自适应特征融合和条件随机场的乳腺病理图像诊断算法

肿瘤病理学分析是常见的癌症诊断方法之一。基于深度学习的病理检测方法取得了良好性能,然而针对组织切片的处理方法往往会忽略病理组织空间相关性,为了更加准确地获取乳腺癌分类结果和恶性肿瘤位置信息,提出嵌入自适应特征融合模块和均值条件随机场的Transformer框架,利用反向传播算法端到端地训练整个框架。自适应特征融合模块采用可学习参数将改进的自注意力和多感受野卷积模块自适应结合,获取多尺度语义特征,从全局和局部的角度增强模型特征提取能力;提出均值条件随机场与主干网络结合,整合组织切片间的空间相关性,获取病理组织间的形态学信息。实验结果表明:所提方法在切片级图像上准确率高达95.51%,在全切片扫描图像的AUC、FROC分别为0.974 5、0.810 2,有较好的可行性,提高了病理图像分类临床诊断准确率。

提高光学电压互感器测量精度方法的探讨

提高光学电压互感器测量精度的方法,包括选择合适的电光晶体,利用退火法消除自然双折射的影响,利用双晶体或旋转反射法进行温度补偿以及双光路温度补偿等。由于有许多的因素影响测量结果,必须多种方法综合运用,才能达到较高的测量精度。

激光雷达系统建模与仿真设计

为了对激光雷达系统进行性能分析,建立了激光雷达系统的数值仿真模型,模型以激光雷达原理为基础,考虑了激光雷达距离方程、噪声模型、接收信噪比模型,利用LOWTRAN软件分析了各种天气和系统条件下,对激光雷达性能的影响,编制了计算机仿真软件进行激光雷达系统模拟;结果表明,仿真软件能够客观地反映直接探测激光雷达在不同条件下应该探测的结果,有助于实验系统的方案设计和性能改进,对目标特性和探测器噪声特性的研究都可起到很大的推动作用。

光学电压互感器研究现状

本文介绍了光学电压互感器的原理和特点以及目前的研究方向 ,重点介绍了基于Pockels效应的互感器 ,并展望了以后的发展趋势。

直接探测激光雷达系统的仿真软件设计

如何合理而有效地设计激光雷达系统,是进行激光雷达系统研究的关键,设计时必须充分考虑各种参数之间的相互关系,根据所提出的指标,选择激光器和探测器及其它元器件。建立了激光雷达系统的数值仿真模型,模型以激光雷达原理为基础,考虑了激光雷达距离方程、噪声模型、接收信噪比模型,利用LOWTRAN软件分析了各种天气和系统条件下,对激光雷达性能的影响,编制了计算机仿真软件进行雷达系统模拟,结果表明,数值仿真有助于实验系统的方案设计和性能改进。

北斗卫星导航空时抗干扰技术研究

传统的阵列抗干扰技术的主要问题是自由度有限、对多径干扰处理困难,空时抗干扰技术相对于时域、空域、频域等抗干扰方法有更多优势。在不增加阵元的条件下,空时抗干扰技术增加了空域自由度,提高了抗干扰性能。论文分析了空时抗干扰技术的基本原理,并进行了空时抗干扰算法仿真。仿真结果证明:空时抗干扰技术能抑制多个宽带、窄带干扰信号,可以提高抗干扰性能。

空中目标的多模跟踪算法研究

为解决目标遮挡、旋转、形变等引起的目标跟踪丢失问题,提出了一种多模式融合的跟踪算法。算法综合运用模板匹配、SUSAN角点匹配和卡尔曼滤波等三种模式:模板匹配跟踪算法应用于背景复杂、目标未发生遮挡的情况,特征点匹配则在目标部分遮挡时进行跟踪,而Kalman滤波则用于预测目标位置,减少匹配算法的运算量,并在目标短暂丢失的情况下继续跟踪。实验对多模跟踪算法与模板匹配算法进行了比较,证明该算法可以稳定地进行目标跟踪,在目标被遮挡时也可以有效跟踪目标。

小波多分辨率分析在激光扫描回波信号处理中的应用

小波变换具有表征信号局部特征的能力,适于分析信号中的瞬态和奇异现象,并可展示其成份,所以采用小波多分辨率分析方法对激光回波弱信号进行处理。利用这种方法,可以有效消除噪声,提取有用的信号。结果证明小波多分辨率分析对于激光回波信号处理十分有效,提高了信号分析的准确性。

基于小波分析的激光扫描回波信号处理

基于直接探测技术,建立了一套实验系统。试验采用激光直接探测方式,振镜在X、Y方向分别以不同的频率振动,当激光经过振镜反射后,就以X、Y方向对物体表面进行二维扫描,使用光电二极管(PIN)来探测从目标返回的能量,探测的信号经过滤波器后,按照摆动频率分开,根据反射回来的激光能量的变化,进而判断扫描物体的边缘轮廓。利用小波变换检测回波信号,可以确定回波信号的奇异点,进而确定被探测目标的边缘。

粗糙平面的激光散射特性研究

为了检测目标的边缘信息,采用激光扫描目标表面、通过回波信号变化来得到目标的边缘信息的方法,利用随机面元模型,分析了刚性随机粗糙平面的激光散射特点,建立了实用化的随机粗糙平面激光散射理论模型,并给出了正入射时几种情况下的激光散射图像,分析了平面目标的激光散射能量计算方法,仿真了光束在平面目标表面做正弦摆动时,光斑在不同位置的反射能量,利用激光信号的强度变化,采用峰(谷)检出法或者过零检出法就可以得到物体的边缘信息。结果表明,通过回波信号的变化,可以得到目标的边缘轮廓。

光电跟踪系统的结构动力修改及优化分析

为解决跟踪系统机架设计中降低转动惯量与提高刚度的矛盾,使机架质量分布更加合理,对跟踪系统的内框转架进行了基于动态特性的优化设计。采用有限元法和目标函数的灵敏度分析对内框转架进行了动态特性计算分析,并基于人工神经网络对框架进行了动力模型修正,在动态特性计算分析及修正后的框架动力模型的基础上,针对框架受力及变形的特点,进一步提出了框架变结构的优化设计方法,得到了更理想的框架结构。

基于四象限探测器的光束智能校正系统设计

针对工程应用中手动光束校正精度低．效率低．仪器笨重的问题,设计一套嵌入式光束自主校正系统,它利用高精度的四象限探测器检测光束偏移信号,以CPLO芯片作外围电路,DSP进行内部数据处理,再驱动步进电机控制平面摆镜,构成简单闭环回路．以此达到光束自动校正的目的．该嵌入式系统精度高,速度快,体积小,可极大地方便光束校正操作．同时由于引入新的搜索算法可以极大地提高整体系统的光束校正范围．

改进型FCOS目标检测算法

针对经典无锚框目标检测算法FCOS(Fully Constitutional One-Stage Object Detection)难以充分提取目标特征,位置与内容信息结合能力不足,正负样本区分不充分导致性能减弱等问题,提出了一种改进型FCOS目标检测算法。该方法首先在ResNet50特征提取网络中加入可变形卷积模块与全局注意力模块,提高特征信息捕获能力;然后,将FPN特征金字塔与深层链路层相结合,构成多尺度特征融合模块,提升特征提取效果。最后,加入自适应划分正负样本模块,增强检验框的准确性以达到提高回归精度的效果,从而提升检测结果。为了测试算法的检测效果,分别使用了COCO数据集与VOC数据集进行实验。与原FCOS算法相比,所提算法在两个数据集上的平均精度分别提高了2.3%和1.8%,其中,对COCO数据集中的小目标检测的效果有明显提升。

面向WSI的乳腺病理亚型分类研究

为实现乳腺病理WSI图像的精准分类,提出了一种基于混合连接的门控卷积神经网络分类方法。搭建了局部残差连接和全局稠密连接的混合模块,将压缩激活门控单元嵌入混合模块,建立了混合模块与过渡层交替连接的骨干网络。结合基于四叉树分割的图像数据增强方法训练模型,基于BreastSet临床数据集的实验结果得出,该方法的图像级、患者级和病理级准确率分别达到92.24%、92.83%和92.18%,相较其他方法,其准确率提高,参数量和计算量降低,更具有临床应用价值。

基于自适应标签分配的轻量化红外行人检测算法

为兼顾对红外行人目标的检测速度与精度,在轻量化网络YOLOv4-Lite的基础上,提出了一种基于自适应标签分配的轻量化红外行人目标检测算法。首先采用无锚框检测方式降低算法的复杂度;然后重构残差结构以减少网络内存访问成本与参数量;最后提出一种自适应标签分配策略,根据全局信息自适应为检测目标分配正样本。利用CVC数据集进行实验,结果表明,所提算法对红外行人目标的检测速度与精度分别提高了32%与2.93%,兼顾了红外行人检测的实时性与准确性。

激光扫描实验回波信号的分析

利用激光回波信号的强度变化来测量物体边缘轮廓的新型激光雷达,并利用二维扫描、直接探测等技术建立了一套激光扫描实验系统。振镜在X、Y方向分别以不同的频率振动,当激光经过振镜反射后,就以X、Y方向进行二维扫描,激光二极管接收到的信号经过滤波后被分为两个不同频率的信号,分析这两个不同频率的信号,就可以得到物体的轮廓信息。实验测量表明,通过测量回波强度变化来测量物体边缘轮廓的方案是可行的。

都市再生效益评量体系建构之初探——以台北为例

对于都市再生效益评量指标,不仅需要定性的分析,更需要定量表示。研究通过完整的资料调查和适当的统计程序、经由专家学者答卷并检查,应用模糊阶层分析法建立了权重体系,建构出较为符合真实状况的综合指标体系,为评判都市再生效益的优劣提供了参考。

基于改进YOLOv3的红外行人目标检测

为了实现对行人目标的精准快速识别,提出一种基于改进YOLOv3的红外检测方法。首先,利用深度可分离卷积对YOLOv3网络进行压缩,构建轻量化模型,提高模型的可用性。其次,引入基于通道注意力机制的压缩与激励网络(squeeze-and-excitation network,SENet),使网络能够关注与目标相关的特征通道并抑制其他无关的通道,增强模型特征提取能力。最后,基于k-means算法对红外数据集进行维度聚类,获取更适合行人目标宽高比的先验框。利用CVC-09红外行人数据集做验证性实验,结果显示:改进后的YOLOv3平均精度达到了92.25%,检测速度为21帧/s,相较于原始YOLOv3分别提高了3.46%和16.67%。实验结果表明,改进后的模型能在保证检测精度的同时,有效减少参数量,提高检测速度。

北斗空时抗干扰降维算法研究

空时抗干扰算法有着优良的抗干扰性能,但需要对高维矩阵求逆,计算量过大难以工程实现。因此,需要对其进行降低计算量处理以利于工程实现。基于相关相减多级维纳滤波法可降低计算量,并有着优良的抗干扰性能,对其进行了仿真试验,并证明了其有效性。

用于组织病理图像分类的双层多实例学习模型

目的 分析组织病理学全玻片图像(whole slide images,WSIs)是病理学诊断的金标准。WSIs具有千兆像素,且通常缺乏像素级标注。弱监督多实例学习是分析WSIs的主流方法,其关键是怎样从大量实例中精确识别出触发类别预测的关键实例。以前的WSIs分析方法主要是在独立同分布假设下设计的,忽略了实例间的相关性和肿瘤的异质性。针对上述问题,提出一种新的双层多实例学习模型。方法 具体地,提出的模型由自适应特征挖掘器和双路交叉检测模块级联构成。首先,第1层的自适应特征挖掘器检索包中的区分性特征,为后续的实例特征聚合生成可靠的内部查询;然后,第2层的双路交叉检测模块通过建模内部查询与实例间的相关性,聚合包中所有实例生成最终的包级表示。此外,在特征提取部分中引入了自监督对比学习方法SimCLR以生成高质量的实例特征。结果在两个公共可用的数据集CAMELYON-16和TCGA(the cancer genome atlas)肺癌上评估了提出的模型,对比分析6种经典的多实例学习模型,结果显示本文模型的性能最优。在准确率方面,所提方法在CAMELYON-16和TCGA肺癌两个数据集上分别达到了95.35%和91.87%,较对比方法中最优的分别高出2.33%和0.96%。结论 提出的模型可以较好地挖掘组织病理学图像的内部特征信息,显著提升检测精度,表明其在病理学诊断应用中的有效性,并能够准确定位病变区域,在病理辅助诊断场景下有较高的应用价值。