基于注意力机制无监督心脏超声序列图像配准

针对基于传统非刚性医学图像配准的心脏超声序列图像配准方法缺乏自动性及配准速度慢、准确率较低的问题,将基于深度学习的医学图像配准算法应用于心脏超声序列图像配准,通过引入通道注意力机制,构建由注意力机制模块、Unet卷积神经网络模块及空间转换模块STN构成的配准模型.实验选取不同的相似性损失函数和平滑损失函数,对比VoxelMorph配准模型,相关配准性能指标都有不同程度的改进,DICE指标提升0.42%,MI指标提升2.5%,SSIM提升3.7%,NRMSE减小9%,表明配准模型的有效性.从配准效果及配准时间分析,配准模型基本可以满足心脏超声序列图像配准的实时性需求,具有一定的临床应用价值.

结合测地距离场与曲线平滑的遥感图像道路中心线快速提取

从高分辨遥感图像中快速提取道路信息在地图绘制、城市规划和更新GIS数据库等方面至关重要,半自动道路提取作为道路测绘内业的主要方式,是一项劳动密集型工作。为了降低人工介入代价,提高工作效率,本文提出了一种基于测地距离场的道路中心线快速提取算法。首先,利用最佳圆形模板算法,自动估计道路宽度的同时将人工种子调整到道路中心;然后,为了定位道路中心线,提出基于道路显著图的柔性道路中心核密度估计算法,克服了传统道路中心核密度估计中道路分割阈值预设困难的问题;本文提出快速生成测地距离场算法,可快速跟踪种子之间的测地线,大大提高了道路中心线提取的效率;最后对测地线坐标进行均值滤波平滑,获得了光滑的道路中心线。大量的试验和对比数据表明,本文算法能够在保证精度的前提下快速提取道路中心线,大幅降低人工介入代价,提高道路提取的工作效率;值得强调的是,本文算法在图像分辨率固定的前提下,提取任意长度道路中心线的耗时近乎相同,且无须设置超参数,具有较好的人机交互体验。

结合血管拓扑和Non-local CNN-GCN的肺动静脉分离方法

为解决肺CT影像中动、静脉血管的自动分离、精确提取问题,提出一种结合血管拓扑与连接非局部卷积神经网络和图卷积网络(Non-local CNN-GCN)的肺动静脉自动分离方法.首先,使用尺度空间粒子采样方法将血管树表示为一组中心线体素粒子;然后,根据粒子体素及其相邻体素构造拓扑图,并从拓扑图中提取只包含动脉或静脉分支的拓扑子图;最后,基于拓扑图训练Non-local CNN-GCN分类器,并利用拓扑子图来改进分类结果.在16例CT影像数据上进行训练和测试,结果显示,本方法能有效去除动静脉黏连点,分类平均准确度达94%.

基于DICOM标准全方向M型心动图的软件系统设计

本文介绍了基于DICOM标准全方向M型心动图软件系统的设计方案,详细分析了系统结构及各个模块功能。通过该系统可以直接准确地定量检测分析心脏各结构的舒、缩、形变过程及其数据,同时可以生成多个任意方向且互相同步的M型心动图。各个模块设计完全遵循DICOM标准,同时结合数据库管理,方便查询索引。该系统分析的影像数据可以来自PACS服务器,也可以来自本地系统,分析结果数据可以回传PACS服务器,也可以保存本地。该系统实现了国家发明专利"全方向M型心动图方法及其系统98 125713.5"系统数据和国际医学图像传递标准的接口。

全景图拼接中图像融合算法的研究

为了实现平滑连续的全景图拼接融合效果,针对全景图拼接的特点,提出了利用彩色空间变换和Contourlet变换结合对比度金字塔分解的图像融合算法。首先进行HSI彩色空间变换,得到图像的亮度信息,然后利用基于对比度金字塔的Contourlet变换对亮度信息进行塔式分解,得到不同的频带信息,再对不同频带进行融合处理。实验证明,该文提出的算法充分利用Contourlet变换的轮廓特性,展示了图像的细节信息,从而很好地实现了全景图的拼接融合效果。

全方向M型心动图系统精确检测研究

本文提出了一种全方向M型心动图系统精确检测分析的设计方案,对系统中采集数据所用的方向线与心脏变形体同步跟踪的原理进行详细分析并研究了具体的实施步骤,通过该设计方案可以更加准确地定量检测分析心脏各结构的舒、缩、形变过程及其数据。本方案设计提出了心脏变形体跟踪的四维参数模型,设计了一种改进的遗传算法对其进行分析研究。该设计实现了对国家发明专利"全方向M型心动图方法及其系统98125713.5"系统的优化设计。

基于多尺度融合和相关性分析的全方向M型心动图优化研究

针对全方向M型心动图在对目标运动曲线检测过程因虚假边缘点而存在误检问题进行研究,在充分分析全方向M型心动图特点的基础上,设计一种结合多尺度融合和相关性分析的全方向M型心动图检测算法。该算法首先通过构建小波函数在不同的固定尺度空间下进行运动曲线检测,然后对不同尺度下检测出的运动曲线进行融合,最后结合心脏运动的相关性信息生成正确的运动曲线。通过LEJ-2型全方向M型系统的实验表明,该算法能自动去除全方向M型心动图中目标运动曲线的虚假边缘、无关噪声等干扰,同时准确保留有用信息,从而大大减轻系统的人工干预程度,实现了对国家发明专利"全方向M型心动图方法及其系统98 125713.5"系统的优化设计。

演奏时紧张情绪的心理浅析

了解器乐演奏紧张情绪的主导动机及一些减轻紧张情绪的方法来帮助学生树立良好的演奏心理,使其舞台表演日益成熟、完美。

车载视频下改进的核相关滤波跟踪算法

针对相关滤波跟踪算法在车载视频下由于环境复杂及目标尺度变化等情况下容易跟踪失败的问题,该文提出一种基于背景信息的尺度自适应相关滤波跟踪算法。首先利用背景感知相关滤波跟踪器融合方向梯度直方图特征预测目标下一帧位置,然后根据预测位置选取图像块进行检测,最后结合动态尺度比例金字塔模型对目标进行尺度估计。实验选取了KITTI数据库中23段车载视频和标注国内的4段车载视频进行测试,实验结果表明,该算法能有效降低车载环境的复杂背景、目标尺度变化等因素干扰,整体性能优于KCF,DSST,SAMF,SATPLE等主流相关滤波算法,对车载环境下复杂背景和尺度变化的目标跟踪具有鲁棒性。

基于LargeVis的随机森林可视化的胎心率诊断研究

胎心率和胎心率变异性是检查胎儿健康状态的两个重要测量值,通常在常规怀孕检查和分娩室中进行,主要依赖有经验的医师和胎心监护设备,而孕妇无法随时直观监测胎儿的情况,难于发现胎儿异常状况。鉴于此,本文通过多普勒设备采集胎心率的超声信号,采用点特征提取算法提取超声信号的重要特征,提出一种基于LargeVis的可视化随机森林分类的方法。首先运用随机森林学习出特征提取后的样本特征的重要性分数,然后采用LargeVis方法降维,对超声数据可视化,并利用随机森林分类器对胎心数据样本进行分类。本文使用300例胎儿心率数据进行测试,实验结果表明,该算法不仅分类精度高,达到98%,并可以对超声数据快速地形成可视化。

“网络存储技术”的课程建设与教学实践

在信息爆炸时代,社会迫切需要具备网络存储技术相关知识的人才,但目前一些高校没有专门开设"网络存储技术"课程,相关部分知识的教学分散在各门课程中,存在教学体系不完整、知识内容不系统等问题。从课程内容设计、主题研讨、实验设计、课外教学等方面探讨"网络存储技术"的课程建设和教学实践。

幼儿扬琴教学探微

幼儿扬琴教学是扬琴教学的重要组成部分。笔者认为在教学时必须考虑符合他们的年龄特征,针对他们的特点去制定教学方法。本文重点从幼儿认知、心理、情绪的特征结合扬琴教学在教学用语、课堂教学形式、教材这三方面进行探讨。

全方向M型心动图中带Contourlet变换的检测算法

为了提高全方向M型心动图运动曲线检测效果,根据多尺度分析的思想,提出一种基于Contourlet变换的边缘检测算法.首先利用基于局部熵的算法对图像进行检测尺度的划分,然后在单一尺度空间上借鉴小波模极大值检测思想对图像边缘进行提取,最后利用补偿连接方法融合不同尺度空间下的边缘曲线,以得到最佳的运动曲线.实验结果表明,该算法可以对心动图运动曲线从粗分辨率到细分辨率进行连续逼近,检测效果良好.

基于机器视觉的导盲杖辅助识别系统设计

为弥补传统导盲仗的不足,设计了一款基于视频机器视觉的导盲杖辅助识别系统,帮助盲人识别盲道并解决盲道使用率低的问题。该设计由单片机、镜头组和输出设备构成,能够识别盲道的位置和不同功能,并进行相应提醒。该设计提出了基于自适应步长和边缘信息提取的NCC加速算法,在保证识别精度的前提下大大降低了运算量。经实验,证明了该设计的效果和实用性。

输变电工程质量风险评价研究

对于资金密集型和外部工程环境极其恶劣的输变电工程项目来说,具有这政治与经济的双重性的重大意义,为保证项目实施的成功,对输变电工程项目风险管理进行研究具备非常重要的意义。本文对工程项目质量风险评价体系研究和基于层次分析法的质量风险评价模型进行研究分析。

云计算环境的并行支持向量机

针对基于GPU和MPI并行的支持向量机(SVM)算法不适合于云计算环境,设计了一种基于多级SVM的并行支持向量机模型,实现了云计算环境下的序列最小优化(SMO)的并行算法。该算法通过MapReduce系统将大规模训练数据集划分为若干小训练集,再由这些小训练集开发多级的SVM,最后收集每一个SVM最优超平面附近的样本数据来训练另一个新的SVM。实验结果表明,该算法在时间消耗与分类正确率等综合方面比单机算法和传统并行算法获得更好的效果。

基于阶层式组播的移动IPv6切换方案

分析了移动IPv6协议在切换过程中存在的缺点,提出一种基于阶层式组播技术的方案,从而改善了移动IPv6的性能.

移动通信PHS的接收性能研究

重点研究PHS空中接口技术的误比特率(BER)性能.首先研究了PHS物理层结构,然后给出了3种可能应用于PHS接收机的合并方法,包括检测后最大比值合并(PDMRC)、检测后等增益合并(PDEGC)与选择合并(SC).最后给出了不同信道条件下的PHS的误比特率性能仿真的结果与分析.仿真表明同信道干扰与最大多径延迟扩展对系统性能影响很大,在通常情况下采用PDMRC具有最好的性能.

中性线为什么一定要绝缘

凡从事强电工作的人都知道：即使在通电的情况下，人触及N线也不会发生电击，因为相线对地的电压为220V，而N线对地电压通常在10V以下。

基于同构化改进的U-Net结直肠息肉分割方法

结肠镜检查广泛应用于结直肠癌的早期筛查和诊疗,但仅靠人工判读结肠息肉漏检率较高,有研究统计可达25%。基于深度学习的计算机辅助技术有助于提高息肉检测率,但目前深度学习的主流分割网络U-Net存在着两个局限:一是编解码的输出特征图之间存在着语义鸿沟;二是U-Net的双层卷积单元无法学习多尺度信息;割裂地看待容易使模型陷入局部最优。提出一种基于同构化改进的U-Net网络,不仅能缓解编解码特征间的语义鸿沟,且具备提取多尺度特征的能力。首先,在U-Net编解码器和跳层路径中,引入同构单元IU构成同构网络I-Net,以减少编解码器之间的语义鸿沟;接着,结合密集连接和残差连接的优点,设计密集残差单元DRU以学习多尺度信息;最后,将同构网络的处理单元初始化为密集单元,构成基于密集残差单元的同构网络DRI-Net。使用包含612幅结直肠镜息肉图像的公开数据集CVC-ClinicDB,采用5折交叉验证评估所提出的模型,DRI-Net可得Dice系数为90.06%,交并比(IoU)为85.52%,与U-Net相比,Dice系数提升8.50%,IoU提升11.03%。此外,在国际ISIC2017皮肤镜挑战数据集上验证模型在其他模态数据的泛化性,2000幅训练,600幅测试,获得的Dice系数为86.57%,IoU为79.20%,与ISIC 2017排行榜第一名的方法相比,Dice系数提升1.67%,IoU提升2.70%。实验表明,DRI-Net能有效解决U-Net存在的局限,且泛化性良好。