基于BI-RADS的超声乳腺图像的计算机辅助诊断研究

目的根据乳腺超声图像的分级标准(BI-RADS)为诊断的指导,初步完成了诊断系统的设计。在图像处理中引入LBM滤波,并用无初始化的C-V模型进行分割,从形态特征与纹理特征入手,提取图像中相应的特征参数。采用支持向量机方法对所提取的特征参数进行分类。通过对88幅乳腺超声图像(其中良性37例、恶性51例)进行训练和测试,得到的判别准确率、敏感性和特异性分别为91.4%、94.4%和86.4%。结果表明,依据BI-RADS的分级特征研究有利于计算机辅助诊断在临床中的应用。

基于注意力机制的CNN-LSTM模型的航迹预测

基于数学模型或统计模型的传统航迹预测方法存在一定的局限性,无法满足现代航空领域对于高效、准确、实时的航迹预测需求。针对此问题,提出基于注意力机制的CNN-LSTM模型的实时航迹预测方法。该模型首先使用一维卷积对航迹数据的多维度特征进行提取,从而减少输入特征的数量。其次利用获取的多维度时序数据作为LSTM的输入,通过LSTM提取上下文的信息。最后使用注意力机制为LSTM中不同时序节点的输出赋予权重,达到聚焦关键航迹信息的作用。经过实验验证:本文的模型与LSTM模型和CNN-LSTM模型相比,预测出的路径更接近真实航迹;文中的模型比LSTM模型的平均预测误差降低了29.7%,比CNN-LSTM模型降低了25.4%。综上所述,文中方法可以显著提高航迹预测的精度。