U形网络的脊椎分割改进方法研究

针对当前U-Net网络模型以及相关卷积网络在脊椎分割中分割边缘精度低,对目标的识别率低等问题,提出几种改进的语义分割网络模型。考虑到脊椎MRI图像中目标区域连续且集中,并存在复数微小区域,边缘特征丰富,运用新型卷积块替换标准卷积结构,利用多路径思想,融入复数编解码器结构,降低运算复杂度,提升边缘特征提取力度,应对不同的特征提取问题。模型在SpineWeb的High anisotropy MRIs of the lower back数据集2000张脊椎图像上做实验,运用训练好的模型对同组脊椎MRI图像作预测。实验结果显示,网络模型的预测结果与提供的真值标签在Dice系数以及Precision系数等几项评价指标上分别达到0.891和0.894。

基于CNN-L1/L2-ELM混合架构的肺结节分类研究

本文提出了一种卷积神经网络(CNN)和正则化极限学习机(L1/L2-ELM)的混合结构的分类算法,用来提高胸部CT影像中肺结节分类的准确性和分类效率.通过这两类算法的协同作用对肺结节良恶性进行有效分类.利用LIDC公开数据库进行实验验证,结果显示,本文算法所得肺结节分类正确率可达92.87%,且敏感性和特异性也分别达到87.15%和94.45%,表明本文算法对良恶性肺结节分类是有效的,且结果优于卷积神经网络和其他方法.

自动化专业创新型人才培养模式改革研究

遵循高等教育的发展规律,特别是工程教育模式和创新创业人才培养方法,以促进学生全面发展和适应社会发展需求为导向,针对自动化专业传统的本科教学普遍存在重理论讲解,轻创新实践训练,教学方式陈旧等缺点,从改革人才培养方式的角度,从培养方案的调整、教学方式的改革和校企合作几个方面进行深入研究,探讨自动化专业工程实践能力培养的途径。提出了“3+1”学期制,并且在创新实践教学模式和教学方式上引入了现代教育技术,构建有效的实践动手训练的培养机制来推进实践教学训练改革,以期成为校企合作培养的一种新模式。

基于Gabor融合特征与深度自动编码器的笑脸识别方法

Gabor特征的人脸表情识别具有良好的识别性能,但同样存在特征维数大的缺点,该文提出用Gabor融合特征的方法来进行降维以解决维数大的缺点。深度自动编码器具有对人脸自学习的能力,能精确提取有用的信息,也有非线性降维的作用。考虑到Gabor融合特征降维幅度不大,便加入自动编码器进行二次降维,将经过二次降维的特征输入深度自动编码器进行笑脸识别。该文在实验过程中采用两个数据库(公开的GENKI数据库,实验采集的数据库)进行实验。实验结果表明经过Gabor融合特征的实部作为深度自动编码器的输入的识别率比传统方法和未经降维Gabor特征识别率高。