深度学习图片分类模型ResNet-18用于判定口腔鳞状细胞癌浸润方式的初步研究

目的:探究深度学习网络模型(ResNet-18)用于判定口腔鳞状细胞癌(oral squamous cell carcinoma,OSCC)最差浸润方式(worst pattern of invasion,WPOI)的可行性及效果。方法:应用ResNet-18模型对收集的491张OSCC患者数字化病理切片进行研究,训练其识别并区分非肿瘤区域、WPOI 1~3级、WPOI 4~5级,利用分类准确率对模型进行评估。结果:ResNet-18神经网络可以有效区分OSCC非肿瘤区域、WPOI 1~3级、WPOI 4~5级,其准确率可达99.5%。结论:深度学习网络模型ResNet-18可以有效区分OSCC非肿瘤区域、WPOI 1~3级、WPOI 4~5级,辅助医师提高诊断速度。

移动网络最差小区数据挖掘分析与实现

移动通信网络中,最差小区的存在会影响整个网络的性能指标。应用孤立点分析中的基于偏离的检测方法进行移动网络分析,对描述小区某方面的性能特征的CFC(call final code)指标与性能指标,进行分析和量化,偏离性能特征指标的小区即为此类性能差的小区,进而给出了移动通信网络中最差小区的数据挖掘分析方法和功能描述,所得结论利于优化网络工作,提高网络运行性能指标。

基于重离子试验数据预测纳米加固静态随机存储器质子单粒子效应敏感性

为实现对纳米DICE(dual interlocked cell)加固器件抗质子单粒子能力的准确评估,通过对65 nm双DICE加固静态随机存储器(static random access memory,SRAM)重离子单粒子翻转试验数据的分析,获取了其在重离子垂直和倾角入射时的单粒子翻转(single event upset,SEU)阈值以及离子入射最劣方位角,并结合蒙卡仿真获取不同能量质子与器件多层金属布线层发生核反应产生的次级粒子LET(linear energy transfer)值最大值以及角度分布特性,对器件在不同能量下的质子单粒子效应敏感性进行了预测,质子单粒子效应实验结果验证了预测方法的有效性以及预测结果的准确性,并提出针对DICE加固类器件在重离子和质子单粒子效应试验评估中均应开展离子最劣方位角下的倾角入射试验.

DP动力定位整体系统设计策划

船级社推出新的DP船级符号，对闭环供电等要求大幅提高了新DP船级符号的技术门槛。对DP的供电系统、单点故障定义范畴也不断变化，电气管系通风等整体系统设计相互关联又彼此影响。为此，根据实际项目经验对DP整体系统设计进行分析。