深度学习算法在颈动脉超声图像斑块分割中的应用研究

近年来,随着计算机技术的进步和数据集的大规模化,越来越多的人把计算机视觉技术应用到超声医学图像中。但在超声图像方面却存在低准确度且不稳定产生的模糊、伪影等使现有算法对模糊、噪声图像误判较高。另外由于病例过多,人为的去检测和识别斑块过于繁琐。为了缓解这些问题,提出了采用inception的网络结构方法快速准确地获取高噪声的超声图像的关键特征,并通过数据增强和自适应中值滤波的方法确保了分割的稳定性。最后得到的颈动脉分割图像,更有利于医生去观察和判断病变体的严重程度,给医护人员带来了巨大的便利,实验结果表明,本文的方法具有实用意义。

基于双通道卷积残差网络的人脸识别

虽然人脸识别技术已经取得了很大的成就,但是如何提高不同姿态、光照、表情识别的准确性也面临着很大的挑战。为了进一步提高精度,神经网络模型被设计得越来越复杂,这也直接导致在反向传播时会出现梯度消失等现象。为了缓解这些问题,本文提出了一种复杂条件下参数较少的双通道卷积残差网络模型。该模型由多个输入通道组成,共同学习输入图像的不同特征。将原始图像作为第一通道的输入,然后利用Sobel算子提取原始图像的一阶导数特征,并将其作为第二通道的输入,来自两个通道的人脸特征信息经过融合后送入到一个残差模块,经过平均池层,最后用于识别。该网络模型结构简单、参数少、速度快、准确性高。模型在FERET、AR和FEI数据集上进行了训练和测试。实验结果表明,本文的方法优于当前的一些先进方法。

一种改进的多任务级联网络人脸检测算法研究

传统人脸检测算法在复杂环境背景下一直存在着检测准确率及效率低等问题。近年来,得益于人脸数据集的增长以及计算机硬件的极速发展,使用深度神经网络的人脸检测算法在准确度方面已有很大提升,但使用的模型结构越来越复杂,检测速度也相对变慢。本文提出一种改进的多任务卷积神经网络(Multi-task convolutional neural networks,MTCNN)算法。在制造数据集时更改IOU阈值参数,来获取更多、更精确的人脸样本;对与置信度损失有关的交叉熵损失函数和与偏移量损失有关的均方差函数求均值,使得整个网络收敛得更加平稳。经在AFW、PASCAL以及FDDB数据集上实验,与传统算法相比,该算法在保证实时性的同时提升了检测准确率,可应用于追求更高准确率的人脸检测系统。

一种防风固沙装置的数据采集显示功能设计与实现

目前,我国的沙漠及荒漠化面积仍然较大,沙漠地带的植被种植情况并不能够被很好地监测。针对这一问题,设计了一种防风固沙装置,该装置的核心为Arduino主板及辅助传感器组件,具有数据采集及显示功能,能够采集土壤湿度、环境温湿度、水箱水位及实时风速,并通过OLED显示屏进行本地数据显示。该装置可扩展性较强,可在后续增加相应的机械设计模块,实现物理防风及固沙的作用,为其他相关设计提供思路。

基于互模式熵的DNA序列相似性分析

随着基因组计划的开展,DNA序列相似性分析成了现代生物学研究不可缺的一部分。本研究以H5N1、H1N1和H2N2等7种病毒的DNA序列作为研究对象,使用整数法将DNA序列编码成时间序列信息,计算时间序列之间的互模式熵(Mutual Mode Entropy,MME)。分析不同DNA序列的MME对序列相似性的表达准确性。实验表明通过整数表示方法的DNA序列的M M E能够定性地解释7种DNA序列之间的相似性关系。