基于精益六西格玛方法降低减渣蜡含量的研究与应用

优化项目开展研究时,全方位梳理了某公司原料预处理装置的减压单元,并借助精益六西格玛DMAIC流程,对减压炉及减压塔的关键特性控制指标进行研究分析,确定了影响减渣蜡含量的关键因子。项目应用后,减渣蜡含量降低至4.67%,超额完成目标值4.8%,且相关参数比较平稳,达到了预期效果。

前列腺癌辅助诊断GPU并行算法设计

在癌症高发的当代,前列腺癌作为男性特有的疾病,其发病率逐年升高。卷积神经网络因其在图像识别领域的强大性能而倍受关注,也非常适用于计算机辅助诊断(Computer Aided Design,CAN)领域。由于神经网络模型中通常包含大量参数,因此训练一个卷积神经网络十分耗时。如何加快神经网络的训练成为了深度学习领域中一个十分重要的问题。为了解决这个问题,一般采用多GPU并行方案。其中,数据同步在GPU性能均衡的情况下表现更佳。因此,文中借鉴已有的基于数据并行算法对前列腺三维卷积网络进行加速。

基于三维分类网络的前列腺辅助诊断

现代医学对数据可视化、科学化的分析需求增加,也增加了对医学影像的依赖性。但对于计算机而言,生物图像极为抽象,生物图像识别至今仍处于探索阶段,同时,对大、复杂三维医学图像特征提取和图像识别难度大。目前采用卷积神经网络对三维医学图像进行训练处理,由于训练数据集数量不足,经常出现过拟合现象。针对这些问题,基于TensorFlow深度学习框架,提出了一种新的前列腺辅助诊断模型。模型优化了深度学习网络层次,采用较少的参数加快训练速度,还能降低过拟合的可能性,此外还利用两种数据扩展方式进行数据扩充,并采用了dropout方法以避免过拟合。训练及测试结果表明,模型能够对大部分前列腺三维图像进行分类,判断出图像是否存在异常,正确率超过70%,优于同种条件下训练出的3DAlexNet网络图片分类模型。

基于深度学习与自适应对比度增强的臂丛神经超声图像优化

现代医学中,利用臂丛神经分割与识别后的图像经过对比度增强优化后,可以更利于医师识别出病症和肿瘤。在上肢手术与术后护理中需要进行麻醉护理,而臂丛神经阻滞是一种常用的局部麻醉方式。为了精确确定臂丛神经的位置,在实际治疗过程中广泛应用超声设备对神经系统进行检测和定位。文中阐述了基于深度学习以及神经网络,在超声动态影像中准确地识别并分割臂丛神经,且在截出的图像中通过自适应对比度增强来优化超声图像的显示。实验数据来自于北京积水潭医院,分为病人的超声影像以及对应的良性恶性肿瘤图片。文中运用了增强对比度的算法对所提取的特征进行处理,结果表明增强了图像的对比度和显示内容的精确度。

自动底盖机在焦化装置中的安装及应用研究

自动底盖机是炼油企业延迟焦化装置焦炭塔除焦自动化、效率提高化的重要手段。通过研究平板式自动底盖机的结构特点及在某公司延迟焦化装置的应用状况,分析了自动底盖机的安装、改造、调试、维护等需要关注的问题,并提出了解决思路和控制措施,对同行业延迟焦化装置安全管理工作具有积极的参考价值。

低负荷下延迟焦化装置分馏系统结焦分析与优化措施

延迟焦化是实现重质油轻质化的重要工艺,发展较为成熟,多年来一直作为重油产品深加工的重要手段。作为炼厂的主要装置之一,装置能否长周期运行影响到全厂的物料平衡和经济核算。分馏塔是延迟焦化装置的核心设备,运行好坏直接影响到装置的运行周期和产品质量,也影响着装置的安全生产。本文根据生产装置的实际运行情况,针对低负荷下分馏塔的易结焦部位,从工艺控制、设备运行、油浆掺炼等方面分析了易结焦的原因,并提出优化改进措施,这有效防止或延缓了分馏塔的结焦,为装置长周期安全运行提供了保证。