“计算机仿真软件”课程的思政建设研究

为了提高理工类专业课程的教学质量,培养符合时代发展的新世纪人才,应将思政元素融入到专业课程的教学中。这样的融合型方式也对课堂教学提出了新的要求。该文基于“计算机仿真软件”课程,探讨将思政元素与专业课程相结合的可行性与必要性,为新时期的理工类专业课程的思政建设提供一定的参考。

工程光学实验教学的探索与改革

在如今的高等教育的改革发展当中,实验课程已经成为人才培养中一个重要组成部分,其重要性不言而喻。工程光学实验作为光电信息科学与工程专业的专业实验课,具有很强的代表性。由于现如今工程光学实验课程过于陈旧,这种传统的教育方式已经不能够适应现代的教学体系,对于实验教学的改革已经迫在眉睫。针对课程中所存在的问题提出了解决方法,能够有效地提高学生的学习效率,同时对于提高学生的学习水平以及创新能力也有一定的指导意义。

基于改进U-Net的视盘视杯分割方法的研究

基于数字眼底图像进行视盘视杯分割是青光眼常用的诊断方法。为了更加精确地分割视盘视杯,提出了一种基于改进U-Net的视盘视杯分割方法。在传统U-Net的基础上,使用残差块改进了下采样部分,并使用卷积操作改进U-net中的跳层连接部分,使网络更加充分地获取特征信息。使用多种性能指标对训练的模型进行评价,结果表明,视盘模型和视杯模型在DRISHTI-GS数据集上的DICE系数分别达到了98.3%和97.2%,IOU系数分别达到了93.2%和88.5%。

基于深度学习的OCT图像视网膜积液自动分割

糖尿病性黄斑水肿(DME)是视网膜破损导致液体积聚的一种眼底疾病,是老年人视力丧失的主要原因之一。利用眼底光学相干断层扫描(OCT)图像检测黄斑区积液在选择DME治疗方案和评估治疗效果方面发挥着重要的作用。为此,提出了一种改进的U-net网络Res-SE Unet实现在OCT图像上自动分割视网膜内积液(IRF)和视网膜下积液(SRF)。该网络使用Res-SE Block替代标准卷积层,增强网络对有效特征的提取。利用Kermany数据集训练和评估Res-SE Unet模型,通过Dice系数和IoU评价模型分割效果。IRF的平均Dice系数和平均IoU分别为0.84和0.72,SRF的平均Dice系数和平均IoU分别为0.86和0.74,结果表明Res-SE Unet网络可以有效分割IRF和SRF。