医疗器械生产企业智慧监管赋能路径研究

目的:研究医疗器械生产企业智慧监管赋能路径,助推医疗器械生产监管智慧化。方法:分析传统医疗器械生产企业监管方式存在问题及企业数字监管的必要性,采用静态、实时、过程、导入和学习5种路径进行智慧监管赋能,建设包含企业基础数据库、监督检查模块、政企通及数据对接4大基础功能的江苏省医疗器械生产监管平台,规范医疗器械市场秩序。结果:医疗器械生产监管平台能够监管人(人员)、机(设备)、料(材料)、法(规范)、环(环境)、测(检测)、安(安全)和流(流程)8类要素,实现生产管理规范化、生产流程立体化、生产状态可视化、监管上报自动化、监管模型数字化智慧化和运行机制合理化功能。分析平台已收录处置的10979条不良事件数据,有助于提高医疗器械性能;已有介入人工生物心脏瓣膜等17项创新产品被国家药监局认定为创新医疗器械。结论:医疗器械生产监管平台能够实时动态地进行医疗器械企业生产相关质量控制,降低虚假记录产生的可能性,使医疗器械质量管理体系真正发挥控制产品质量的作用。

基于衰减板的锥束CT散射校正

在锥束CT成像系统中,散射现象严重影响重建的图像质量.锥束CT成像散射校正的研究一直是一个热点问题.本文提出了一个新的散射校正方法,该方法需要在射线源和检测物之间放置一个衰减板,使用带有衰减板和不带衰减板两种情况下的成像,结合Klein-Nishina公式和Beer定理进行创新性的推导出散射分布.模体实验结果证明,本文算法可以有效的进行散射校正,显著的提高图像对比度和图像质量.

稀疏纹理的特征提取和分类研究

提出了对稀疏纹理表面特征的新描述方法,并进行了纹理分类的研究。以往对纹理的研究大多是对2D纹理的研究,一般是通过大量的训练样本来完成纹理特征的提取。通过RANSAC估计两幅纹理的单应约束,提取两幅纹理的对应点,不仅可以提取一般纹理的特征,而且可以提取包含立体信息的纹理特征(如因为光照和视点的变化引起立体纹理的阴影变化等),通过对应点的提取使得不再需要大量的训练样本来进行纹理的特征提取。实验表明该算法可以较准确和快速地进行纹理特征提取和分类,使得纹理分类工作变得有较强的可行性和实用性。

基于自适应点扩散函数的锥束CT散射校正

目的探讨基于自适应点扩散函数的方法对锥束CT散射校正的效果。方法通过加入遮挡板的方法来获取投影图像部分区域散射分布;建立散射分布模型,利用遮挡区域散射分布,自适应地调整扩散函数模型参数,然后进行散射估计和校正;对遮挡区域进行修复,以减少断层重建噪声。结果基于自适应点扩散函数的方法不需要重复扫描被测物体,能高效地对不同厚度和密度的物体进行锥束CT散射校正,可减少因散射造成的杯状伪影和条纹状伪影,与相比、杯状伪影从校正前的26.09%下降到1.26%,即减少约95.17%。结论基于自适应点扩散函数的方法可有效进行散射校正、降低杯状伪影和条纹状伪影,校正后图像质量明显增加。

基于改进Mask⁃RCNN的配电线路语义分割

为避免配电线路检修时带来停电等问题,目前不停电作业已成为电力部门对配电线路进行检修的主要手段之一。为保证作业人员在进行不停电作业时的安全性,精准的不停电作业安全预警是非常重要的。其中对配电线路进行语义分割是不停电作业安全预警中的关键技术。文中提出了一种配电线路语义分割法——基于改进的Mask⁃RCNN语义分割模型,对配电线路实现精准的语义分割。通过现场实地实验,该方法具有较好的分割效果。

基于滤波器组的纹理分类研究

论述了基于滤波器组的纹理分类方法。该方法首先利用滤波器组对纹理进行滤波,纹理特征是用滤波器输出的统计值表示的;然后用这些特征向量进行纹理分类研究,分类主要利用了简单(naive)Bayes分类方法和最大加权相关树分类方法。实验显示,最大加权相关树分类方法的效果是较好的。

对特定区域搜索引擎的自动分类系统的研究

随着因特网的飞速发展,特定区域搜索引擎(Domain-specific search engines)正变的越来越重要,因为这种搜索引擎通常能提供更精确的结果和一些一般的搜索引擎所不能提供的信息。然而特定区域搜索引擎通常需要花很多的时间来组建和维持。文中提出一个基于机器学习的方法来自动完成和维持这种特定区域搜索引擎,即运用最大加权依赖树分类方法改进以往的方法进行自动分类,使分类结果更为精确。运用此技术可以组建一个新的特定区域搜索引擎,将给人们的生活、学习提供方便。

理工科高校院系实验室资源共享实践探究

以理工科高校院系实验室资源共享为研究对象,分析当前存在的主要问题,并在高校实验室资源共享机制、优化实验教学资源、培养工程创新人才等方面提出建议。

基于统计优化的单应矩阵估计算法

计算机科学中研究的图像是真实世界(即二维、三维欧式空间)到像平面的射影变换。平面射影变换(单应)估计是特征目标检测、注册、识别、三维重建等方面的关键步骤,但是如何鲁棒、精确地估计单应矩阵是一个没有很好解决的问题。在研究中发现,基于点与直线的直接的单应矩阵估计方法会导致出现较大误差的情况。针对这一情况,文中介绍了一种基于统计优化的单应矩阵估计方法,这种方法是通过单应矩阵的协方差张量的计算和优化来估计单应矩阵的。最后进行了简单的实验,比较了统计优化方法与进行归一化处理后的直接线性方法的估计结果,证明了基于优化统计的估计方法更加有效。

不同岗位高校教师的发展现状与建议

高校教师作为高校的核心竞争力,在高校发展的道路上发挥着不可估量的作用。高校教师的发展决定了高校的质量,但是随着高校中人才聚集以及岗位分工限制等,每位或每个岗位上的高校教师的发展也不尽相同。本文将从教学科研岗、实验技术岗以及行政管理岗三个岗位上的高校教师的发展现状以及建议做一简要阐述。

基于视觉传感的无人机手势交互研究

手势交互是一种未来人机交互的趋势,目前在精确度上存在挑战。无人机方面,目前主要通过遥控器进行飞行控制,需要专业训练,具有一定的局限性。本文基于视觉传感,对手势交互进行研究,在现有设备的基础上,提出一种简单易实现的无人机手势交互方式,并进行计算机仿真与硬件验证。本文采用两个摄像头同时采集手势动作,并建立标准手势数据库,通过算法识别进行比对,将手势识别问题转换为一个图形检索问题,有效提高手势识别的效果。数据显示,文本所提出的方案,具有良好的可行性。

基于卷积神经网络检测肺结节

目的针对目前基于胸部CT图像的肺结节自动检测方法的检出率较低且存在大量假阳性的问题,提出一种基于卷积神经网络的肺结节检测方法。方法采用基于模糊建模思想和迭代相对模糊连接度(IRFC)算法的自动解剖识别(AAR)方法分割肺部CT图像,提取肺部实体部分;将分割后的图像输入卷积神经网络,提取肺结节特征;采用位置敏感特征图表达结节的位置信息。结果使用天池医疗AI大赛数据集,精准分割肺部CT图像,检测肺结节的准确率、敏感度、特异度和假阳性率分别为95.60%、95.24%、95.97%和4.03%。结论基于卷积神经网络检测肺结节有较高的精度和效率,且鲁棒性好。

基于级联卷积神经网络的车牌定位

针对多车辆、低分辨率等复杂环境下的车牌定位问题,提出了一种基于人眼视觉特性的车牌识别方法。通过模仿人眼视觉原理,利用级联卷积神经网络分层提取目标区域特征,逐步缩小搜索区域的方法,实现车牌的精准定位。首先通过运动目标检测算法定位出目标运动热点区域;然后使用卷积神经网络识别热点区域中的车辆;最后使用卷积神经网络从定位的车辆图片中识别车牌。数据集采集于多个交通路口的天网摄像头,然后对5 000幅图像,约15 000个目标进行人工标注,同时对训练图片进行随机变换,从而提高训练的有效性。实验结果表明,通过提取运动区域可提升卷积神经网络运行的速度和识别的精度。相比于传统车牌识别算法,提出的方法极大地提高了复杂场景下的车牌识别率,同时在处理高分辨率的图片时具有更高的车牌定位率。

肺结节图像的自动分割与识别

为实现肺结节自动分析与识别,研究基于模糊建模思想和迭代相对模糊连接度(IRFC)算法的自动解剖识别(AAR)方法。该方法包括5个步骤:收集图像数据,用于模型构建和测试AAR;叙述胸腔中每个器官的精确定义,根据定义提取肺部轮廓;建立分层模糊解剖模型;利用分层模型识别和定位肺部;根据层级结构提取肺部轮廓。将分割好的肺部图片作为输入送入卷积神经网络进行肺部结节检测,通过使用VGG-16网络模型,在天池医疗AI大赛的数据集上实现了92.72%的目标检测准确率。

“数字电视原理”理论实践一体化教学研究

理论实践一体化逐渐成为高校工科专业教师教学的一种重要的教学方法,本文针对工科课程"数字电视原理"的教学,提出了"课程理论讲解→具体问题分析→编程实验和讲解→作用和效果演示→总结"理论实践一体化的五步教学模式,将教学模式从理论灌输教育转向更为务实的专业素质教育。本文以二值图像游程编码和解码重构为例,深入阐述了五步教学模式实现的具体过程和采取的举措,并对新的教学模式体制下的专任教师提出了具体的要求。

配网不停电作业全流程安全监测与预警系统

在当代中国电网的迅速发展下,对于中国输配电线路的维修、电网设备检测和维护,不停电作业技术已经成为一种重要手段。但是不停电作业对于作业人员来说也是一项极其危险的工作,这种作业环境下存在的高强度的电场、暂态电击和稳态电击以及在不停电作业过程中对误操作短接空气间隙放电,对作业人员的安全会造成很大的威胁,因此不停电作业的安全防护就成为不停电作业顺利进行的关键。目前,对于中国输配电线路不停电作业的人员安全问题主要从两方面共同解决,一是需要依靠一批具有丰富经验的专责监护人,二是提高作业人员的自觉性。在实际的作业中,由于现场作业点多面广,作业人员工作任务繁重,容易疲劳,其精力无法持续集中,作业人员很容易发生违反操作规程、忽视安全距离等危险行为,从而导致安全事故的发生。针对目前国内不停电作业过程中安全监控及预警手段和方法缺乏的问题与现状,提出了基于人工智能的不停电作业全流程安全监测与安全预警系统,实现不停电作业全流程智能化管控,并实时监测人与带电体的安全距离以及进行主动预警。

基于多个低秩纹理提取的图像校正方法

低秩纹理是图像处理领域中具有重要几何意义的结构,通过提取低秩纹理可以对畸变或受损图像进行有效校正;但现有的基于低秩纹理提取的图像校正方法只能把感兴趣区域看作一个整体,从而导致许多复杂情况下的校正无法获得理想结果。针对上述问题,对现有算法进行改进,实现感兴趣区域的多个低秩纹理分别提取,用以解决实际应用中的多种畸变和受损图像的恢复问题。对选定区域进行分割,对每个子区域分别进行低秩校正,加强初始化窗口对纹理的适应性,从而优化校正效果。大量实验结果表明,该方法可以有效处理同一感兴趣区域中的多个低秩纹理,在凸平面、多个不兼容区域和复杂纹理等多种情况下仍然可以获得正确的处理结果,且校正效果与原算法相比更加符合人眼视觉特性。

基于残差学习的CT稀疏重建伪影校正

为减少CT扫描中X射线的辐射剂量,提出一种基于残差学习的CT稀疏重建伪影校正的方法。增大CT扫描间隔的角度,减少投影的个数;利用FBP方法对原始数据进行反投影重建;建立基于残差学习的卷积神经网络模型,对重建过程中的伪影特征进行学习;通过对稀疏重建的图像进行残差操作,得到去伪影的CT图像。实验结果表明,该方法降低了X射线的辐射剂量,减少了传统稀疏重建中正则化的影响,有效降低了条形伪影。

基于深度学习的肺部肿瘤检测方法

随着现代计算机技术的发展与应用,计算机辅助诊断系统在医学影像分析领域的地位变得愈发重要。其技术的关键在于病灶的定位与分类。由于图像的特征提取十分复杂,若应用传统机器学习方法,则需对图像作大量的预处理。文中提出一种基于深度学习的肺部肿瘤检测方法,运用卷积神经网络对患者肺部肿瘤图像进行特征提取。结合区域建议网络预测肿瘤在图片中可能存在的位置,同时生成建议框。利用学习好的特征对目标区域进行分类并微调建议框的位置。该方法无需人工设计目标特征,通过卷积神经网络学习到的特征更加具有代表性,且能够较好地预测肿瘤的位置。在NLST以及Kaggle的数据集上对该方法进行了评估。实验结果表明,该方法具有较高的准确率和效率。

基于颜色表示的尺度自适应实时目标跟踪

传统基于颜色表示的在线目标跟踪方法,倾向于跟踪与目标外观相似的区域,会因为尺度变化而导致漂移。针对该问题,结合干扰感知模型与背景对象模型,提出一种基于颜色表示的目标跟踪方法。通过干扰感知模型抑制干扰区域,利用背景对象模型将目标对象从周围背景中区分出来,并结合自适应尺度估计方法进行目标跟踪。实验结果表明,与STC和RVT跟踪方法相比,该方法在精度和鲁棒性方面表现更好。