BiUNet:基于双层路由注意力的轻量化医学分割网络

针对视觉Transformer骨干提取网络计算开销大,模型训练缓慢的问题,同时为了进一步提升Transformer结构在医学图像领域的分割性能,提出一种名为BiUNet的新型轻量级U型架构的医学图像分割网络。将输入医学图像整切成若干图像块后,送入一种基于双层路由动态稀疏注意力机制的BiFormer转换器中,通过组合下采样和特定块数的BiFormer模块,构建多级金字塔结构实现特征提取。随后通过组合上采样和卷积模块,相应构建多级金字塔结构进行特征解码,进而实现像素级语义分割。该模型在3个医学数据集上依次取得了90.2%, 93.7%和85.6%的mIoU值以及5.55 G的Flops和28.10 M的参数量。结果表明,BiUNet能够以轻量化的效果有效提升医学图像分割的精度。

模式美拉德反应产物对面包中丙烯酰胺含量的影响

为了研究模式美拉德反应产物对面包加工过程中丙烯酰胺生成量的影响,将精氨酸、葡萄糖、模式美拉德反应产物等添加到配方中并加工制得面包,通过高效液相色谱法测定面包中丙烯酰胺含量.结果显示,与对照组相比,精氨酸添加量为2.0%,抑制率为54.72%,可显著抑制丙烯酰胺的产生;葡萄糖的加入对丙烯酰胺的生成有促进作用,当添加量为2.0%时,丙烯酰胺的含量为对照组的10倍;当添加低浓度(0.1%)的模式美拉德反应产物或同时添加0.05%的葡萄糖和精氨酸时可显著抑制面包中丙烯酰胺的产生,抑制率达到70%以上.模式美拉德反应产物对丙烯酰胺的生成具有拮抗作用,同时赋予面包独特的香味及焦糖色,可为美拉德反应产物在食品中的利用提供新的思路.

即食酶解绿豆的制备工艺优化

为制备即食酶解绿豆,以绿豆为原料,以加酶量、酶解温度、酶解时间为主要变动因素,以即食酶解绿豆的感官、质构及复水后糖度为指标,并运用单因素试验和L9(3^4)正交试验对酶解工艺进行优化。结果表明:最佳酶解工艺条件为:中温α-淀粉酶添加量180 U、酶解温度60℃、酶解时间90 min。在此条件下所得到的绿豆冻干品口感最佳,甜度最高。