阵列背散射成像中图像数据校正的仿真研究

阵列背散射成像是一种有发展潜力的辐射成像技术。与透射成像相比,阵列背散射图像数据校正较为复杂,涉及数据不一致性校正和系统响应曲线调整两个方面。基于阵列背散射成像系统的特点分析,应用蒙特卡罗仿真实验方法,归纳总结出1种增益归一化与斜率调整相结合的阵列背散射图像校正方法。利用该方法对仿真实验得到的数据进行校正,获得了较好的校正效果。

大跨度钢结构吊装及安装关键技术

富阳北支江水上运动中心上部框架钢结构具有构件单件尺寸大、质量大,钢梁跨度大、幅距远等特点,在施工过程中,钢构件吊装,钢梁安装精度控制、空中对接、焊接质量等成为该工程的重点和难点。针对该工程实际情况,采用跨外分段吊装方法安装大跨度钢梁,保证了施工质量与安全。从上部钢梁起吊点及吊装索具规格选择、钢结构安装、测量校正、临时胎架搭设及钢结构焊接等方面对钢结构施工关键技术进行研究,总结出一套适用于大跨度框架钢结构施工的技术方案。

基于TransUnet和残差结构的脑肿瘤图像分割方法

目的卷积神经网络由于具有在捕捉长距离依赖能上的缺陷,其限制了分割模型的进一步提升[1]。针对以往医学图像分割网络中卷积的感受野太小,对小型医学图像数据集训练参数非常多的深度网络容易过拟合问题,基于TransUnet网络模型结合ViT与Unet的特性对模型进行优化。方法利用TransUnet与ResNet残差结构与注意力机制结合,在底层CNN模块引入注意力机制提取特征,引入残差结构加深算法,使用卷积操作代替混合编码器中的最大池化减少特征丢失,增大了卷积中的感受野,提高了脑胶质瘤图像的分割精度。结果在BraTS比赛的数据集中对脑胶质瘤的分割Dice达到95.22%,较原TransUnet模型提升了2%。结论研究基于TransUnet优化算法的脑肿瘤图像分割方法鲁棒性强。对现有的两种神经网络方法进行对比,均低于本文改进模型,表明对于医学图像的分割精度有提升。