基于双模型交互学习的半监督医学图像分割

在医学图像中,器官或病变区域的精准分割对疾病诊断等临床应用有着至关重要的作用,然而分割模型的训练依赖于大量标注数据.为减少对标注数据的需求,本文主要研究针对医学图像分割的半监督学习任务.现有半监督学习方法广泛采用平均教师模型,其缺点在于,基于指数移动平均(Exponential moving average,EMA)的参数更新方式使得老师模型累积学生模型的错误知识.为避免上述问题,提出一种双模型交互学习方法,引入像素稳定性判断机制,利用一个模型中预测结果更稳定的像素监督另一个模型的学习,从而缓解了单个模型的错误经验的累积和传播.提出的方法在心脏结构分割、肝脏肿瘤分割和脑肿瘤分割三个数据集中取得优于前沿半监督方法的结果.在仅采用30%的标注比例时,该方法在三个数据集上的戴斯相似指标(Dice similarity coefficient,DSC)分别达到89.13%,94.15%,87.02%.

聚焦项目化学习,实现创新性发展——以“嫦娥五号探月过程探秘”教学为例

数学项目化学习是以数学为中心的跨学科整合与聚焦研究,其以真实问题解决为目的,通过培养学生的综合理解力和创造力,实现学生核心素养的创新性发展。教学中,教师可以聚焦特定主题下的真实情境,以问题为导向、以问题解决为目的,让学生通过自主思考和小组合作探究的方式,提出问题并参与问题解决的全过程。

超声心动图对缩窄性心包炎的诊断价值

缩窄性心包炎（Constrictive pericarditis, CP）是临床较少见的一种心血管病，早期正确诊断是提高疗效的关键。本文就我院2008年1月至2011年2月手术病理确诊的13例CP的超声心动图特点进行回顾性总结，旨在提高这一少见疾病的影像诊断水平。

经胸超声心动图与320排CT在先天性心脏病诊断中的对比分析

对于先天性心脏病的患者,术前详细、准确地评价心脏、大血管的解剖和功能改变至关重要。经胸超声心动图（TTE）一直是临床首选的无创影像学检查方法。近几年随着亚秒级扫描技术的成熟,多层螺旋CT（multislice computed tomography,MSCT）逐步成为先天性心脏病的主要影像学诊断手段之一[1]。近年我院引进的320排CT,凭借其,

经胸超声心动图对感染性心内膜炎的诊断价值

感染性心内膜炎（infective endocarditis IE）是指致病微生物所造成的瓣膜和心血管内膜等结构的炎症性病变,具有高度的破坏性,预后差、死亡率高[1]。早期识别并明确诊断相关严重并发症,对于及时治疗、改善预后起着关键作用;经胸超声心动图（TTE）能直接观察心脏瓣膜的形态以及赘生物的形成和分布情况,有助于该病的诊断和治疗。

利用参数优化提高参数曲线的光顺性

对参数曲线的参数化进行了研究．通过重新参数优化，提高了数据拟合曲线的光顺性。本文涉及非线性泛函的权小值计算．

低温剥蚀LA-ICP-MS准确测定硫化物矿物多元素分析研究

硫化物矿物中元素含量及其分布可示踪硫化物成矿过程、辨别金属来源和沉积过程的物理化学条件,在地质学、矿床学等领域具有重要的应用价值。激光剥蚀电感耦合等离子体质谱(LA-ICP-MS)已成功应用于硫化物矿物元素微区分析研究,但激光与物质作用产生的热效应严重制约分析结果的可靠性。本文建立了一种高精密度、高准确度的低温剥蚀LA-ICP-MS测定硫化物矿物多元素方法。采用自行研制的Peltier低温剥蚀池可有效抑制硫化物矿物LA-ICP-MS分析中的热效应,提高分析结果的精密度和准确度。扫描电子显微镜(SEM)表明:在低温(-30℃)条件下可在一定程度地抑制激光剥蚀引起的热效应,减少样品熔化和气溶胶气相再沉积;而通过气溶胶颗粒分析发现低温剥蚀可以减小样品气溶胶颗粒的平均尺寸,得到的颗粒粒径分布范围也较小。不同元素信号强度的精密度(RSD)从常温下的20.1%~34.4%改善到11.5%~15.8%,元素的检出限为0.054~0.077μg/g。将该低温LA-ICP-MS系统应用于实验室内部标样黄铜矿Ccp-1分析,测定值与参考值之间的标准偏差在7%以内。

京津冀森林破碎化的社会经济影响因素分析

在我国生态文明建设不断向前推进的背景下,维护和改善森林生态系统的整体性和系统性具有十分重要的意义。文章基于2000-2018年京津冀38个样本县的卫星影像数据和社会经济统计数据,对森林破碎化程度进行了定量测算,并对森林破碎化的社会经济影响因素进行了实证分析。研究发现,人均GDP对京津冀样本县森林破碎化程度的影响呈倒"U"型,即在人均GDP较低的发展阶段,人均GDP增长加剧了森林破碎化程度;随着人均GDP的提高,在经历拐点后人均GDP增长则有助于降低森林破碎化程度。此外,退耕还林工程对森林破碎化的影响为负,退耕还林工程的实施有助于降低森林破碎化的程度。城镇化比率、农村人均用电量、人均粮食播种面积以及人口密度等变量对样本地区森林破碎化程度的影响不显著。在此基础上,提出了减缓森林破碎化的政策启示,以推动京津冀区域可持续发展。文章的创新之处在于:一是从理论分析的角度丰富了森林破碎化影响因素的研究成果;二是基于人文地理与林业经济交叉学科视角,利用县域层面数据和计量回归模型在提高研究结论准确性的同时,为促进社会经济与森林生态的协调发展提供了一定的实践指导。

试析新农村建设背景下的村庄规划——以凉州区中坝镇村庄规划为例

新农村建设一直是政府工作的重点,实事求是,满足农民需求,脚踏实地,推动农村的快速发展。本文以凉州区中坝镇村庄为例,分别从三方面进行阐述,强调村庄规划的重要性。

采用结冷胶制作超声穿刺复杂管道模型的可行性

超声介入技术的临床应用现已较为普及[1],但对操作医师的技术依赖性强,稍有不慎即可引起出血、感染等严重并发症,故常需进行有针对性的反复练习。目前常用超声介入练习材料为专用柔性类皮,价格昂贵,且反复使用后损耗及针道明显。有学者[2-5]尝试使用水、豆腐、植物、动物肉类、皮冻、魔芋豆腐块、玉米粥及充满水的海绵等材料,但均存在各种不足。由微生物多糖形成的凝胶——结冷胶为食品添加剂,无毒无害;放置由各类临床常见医用管道制作而成的各种管道结构后,可制成模拟复杂管道的超声穿刺模型。本研究探讨采用结冷胶制作超声穿刺复杂管道模型的可行性。

建筑工程暖通空调管道安装工程特点及安全管理措施研究

在社会经济快速发展下,暖通空调逐渐成为了建筑工程中的重点。但是在研究中发现,在暖通空调管道安装中因技术等方面存在着一定的不足,使得暖通空调管道安装效果并不理想。因此在建筑工程暖通空调管道安装工程发展中,就需要从安装特点出发,制定出有效的安全管理措施,提升安装工程质量。

深挖图形本质 凸显学科素养——一道压轴题的命制与思考

命题是发挥考试功能的关键环节.命制好一道试题,不仅需要教师自身在完成教学任务之余投入时间和精力,不断钻研突破,更需要在日常教学中,引导学生参与解题的思维过程,自己动手画图推理计算,发展思维能力,从中得到好的思路素材.文章以一道八年级下学期区统考期末考试压轴题的命制过程为例,向读者展示试题命制的价值与深入思考.

大鼠放射性心脏损伤模型建立及其早期检测指标

目的探索SD大鼠心脏15Gy分3次照射所致放射性心脏损伤模型的建立及其早期检测指标变化,并分析联合重组人血管内皮抑制素(Endostar)的影响。方法75只SD成年雄性大鼠随机分为空白对照组(C组)、Endostar组(E组)、25Gy照射组(MHD25组)、15Gy照射组(MHD15组)、15Gy照射联合Endostar组(MHD15+E组),分别在干预后24、48h和15d取血测CK、CK-MB、LDH和CRP,在1、3、6个月行大鼠心脏超声心动图后每组随机处死5只大鼠取心肌组织行HE、Masson染色。双因素方差分析统计。结果与C组比较,6个月MHD15组出现心肌纤维化晚于MHD25组出现。各照射组在3个月后出现射血分数、缩短分数降低(P<0.05),且程度相似(P>0.05)。心肌酶及炎症因子各组间相近(P>0.05)。结论大鼠心脏15Gy分3次照射早期可造成心脏功能损伤,如射血分数、缩短时间降低,晚期可导致心肌纤维化,并比高剂量照射延迟出现。照射基础上联合Endostar对大鼠的放射性心肌损伤无明显影响。

HPM视角谈一类将军饮马问题的实践与思考

通过HPM视角对一些经典数学问题进行探究成为了一种可以操作的有效做法,本文从HPM视角对“将军饮马”问题进行深入研究,借助历史相似性原理,试图找到解决此类问题的方法和本质,最后给出了对HPM视角下的历史名题的一些思考.

引导大胆设元 深挖数量关系——对一道中考应用问题的深入思考

实际应用问题是历年中考的热点.此类问题涉及方程(组),不等式(组),函数等知识点,主要考查学生的数学应用意识和综合能力.本文以2019年无锡市中考第10题为例,结合日常教学实践,谈谈对实际应用问题教学的再思考.一、原题呈现某工厂为了要在规定期限内完成2160个零件的任务,于是安排15名工人每人每天加工a个零件(a为整数).

理解作图依据,转化几何概念,生成自然解法

1试题呈现如图1，在△ABC中，用直尺和圆规作图（保留作图痕迹）。（1）在AC上作点D，使DB＋DC=AC。（2）作△BCE，使∠BEC=∠BAC，CE=BE；（3）已知线段a，作△BCF，使么BFC=∠A，BF＋CF=a。

无锡第28题

1试题呈现 如图1，C为∠AOB的边OA上一点，OC=6，N为边OB上异于点O的一动点，P是线段CN上一点，过点P分别作PQ∥OA交OB于点Q，PM∥OB交OA于点M。

一种基于点标注的弱监督目标检测方法

近年来,弱监督目标检测在计算机视觉和机器学习领域获得了广泛的关注.点标注是弱标注的形式之一,它依赖人工标注,为图像中的每一个物体赋予一个标注点.尽管在过去的几年中,出现了许多基于深度学习的弱监督目标检测算法,但当前基于点标注的弱监督目标检测的探索仍处于空白.考虑到点标注可以为弱监督目标检测提供丰富的、与感兴趣物体相关的位置、类别、数量等信息,本文提出了一个基于点标注的弱监督目标检测算法.该算法通过探索标注点与目标、类别间、实例间的依赖关系弥补弱监督学习中监督信息的不足,提高弱监督目标检测性能.在该算法中,本文提出了3个网络分支用以充分挖掘标注点信息,改善弱监督目标检测学习过程:空间图分支(spatial graph branch,SGB)利用点标注与目标空间上的局部相关性,探索标注点与标注点空间上下文间关系;多语义分支(multi-semantics branch,MSB)利用类别间在语义上的共现概率,构建语义拓扑结构,探索标签间的全局语义关系;实例计数分支(count-guided instance branch,CIB)利用不同实例间在空间上的局部无关性和特征差异,推断每个目标的伪监督信息,实现实例级监督.用点标注训练弱监督目标检测算法,在节省人工标注成本的同时提供更多丰富的监督信息,从本质上提高弱监督目标检测性能.在PASCAL VOC 2007和PASCAL VOC 2012数据集上的实验结果表明,本文算法与基准模型相比,在均值平均精度上分别提高了7.9%和10.2%,在定位准确度上分别提高了9.7%和11.7%.