基于块融合机制的WSN数据误差追踪算法

为解决当前WSN数据误差追踪算法中存在的算法鲁棒性不强,区域融合困难,以及传输链路抖动严重的不足,提出了一种基于块融合机制的WSN数据误差追踪算法.首先基于块融合方式,通过中央控制节点之间拓扑位置关系,有效实现对数据传输过程中的误差轨迹追踪,且能够采用矢量化方式来改善数据传输质量;随后采取能量排序的方式构建传输阈值,并利用该阈值实现对传输过程中的数据进行均衡化,且能够进一步实现周期内的中央控制节点性能的扫描,从而改善了因块区域间数据链路抖动而引起的传输误差.理论分析和仿真实验均表明:与当前常用的超混沌数据追踪算法(Hyper Chaos Data Tracking algorithm,HCDT算法)相比,文中算法能够更有效的降低数据传输抖动的同时,且具备更小的区域融合误差与更高的误差追踪效率.

基于图像块分解融合的水下标定图像增强

针对水下视觉测量中相机标定采集的水下标定图像退化造成标志点信息缺损的问题,提出了一种基于图像块分解融合的水下标定图像增强算法。首先,针对水下标定图像光照不均匀造成图像去雾困难的问题,基于同态滤波实现图像分割并计算全局背景光强,以实现图像去雾。然后,针对水下图像去雾后仍然存在噪声、模糊、光照不均匀等问题,分别进行对比度增强与细节信息增强以获得两幅互补增强图像,将互补图像划分成多个图像块,将图像块分解为平均强度、信号强度和信号结构3个独立分量,3个分量分开融合并求解最终增强图像。最后,采用主客观评价及标志点检测实验评价水下标定图像增强后的质量。实验结果表明,本文方法的视觉效果及客观评价得分均高于UDCP、MSR及ACDC方法,浑浊度为7.6NTU、11.4NTU、15.7NTU、18.4NTU时,标志点检测数量分别提高了2.0%、2.3%、9.3%、21.2%。因此,本文方法可以有效提高水下标定图像质量,为水下视觉测量提供一种稳定可靠的水下标定图像增强方法。

寰枢椎侧块融合器用于治疗颅底凹陷伴寰枢椎脱位的临床疗效

目的探讨寰枢椎侧块融合器用于治疗颅底凹陷(BI)伴寰枢椎脱位(AAD)的临床疗效。方法分析2018年3月至2022年3月在郑州大学第一附属医院接受后路植入寰枢椎侧块融合器联合枕颈融合内固定术的患者共22例,其中男4例,女18例。术前及术后测量寰齿间距(ADI)和延髓颈髓角(CMA),采用日本骨科协会(JOA)评分进行术前术后神经功能评价。术后定期随访X线、CT及MRI,评价复位、内固定及植骨融合情况。手术前后指标比较采用t检验。结果22例患者均成功完成手术并获得有效复位。手术时间(167.72±34.51)min;出血量(180.45±78.65)ml。术后ADI为(2.02±0.42)mm,较术前明显缩小(7.62±1.96)mm;CMA由术前(129.00±6.39)°恢复至术后(151.00±4.73)°;JOA评分从术前(11.14±2.27)分上升至术后(15.27±1.64)分,差异均有统计学意义(t=12.961、19.402、11.615,P<0.05)。所有患者神经压迫症状均予以解除,临床症状有不同程度改善。术后随访3~18个月,随访(8.62±3.85)个月。所有患者内固定良好,融合器位置满意,临床疗效满意。结论经后路置入寰枢椎侧块融合器是一种有效的治疗方法,远期并发症风险小,寰枢融合率良好,安全性和远期疗效良好。

胸1倾斜角在3D打印寰枢侧块融合器植入术后矢状位平衡中的研究

目的分析胸1倾斜角在3D打印寰枢侧块关节融合器治疗颅颈交界区畸形术后颈椎矢状位平衡中的临床意义,讨论该手术的临床疗效。方法收集2018年6月至2022年2月在郑州大学第一附属医院骨科行3D打印融合器植入手术的颅颈交界区畸形患者(共25例)的临床资料,记录术前、术后及3、6、12个月随访时的症状评分:视觉模拟疼痛(VAS)、改良日本骨科协会(mJOA)、颈椎功能障碍指数(NDI);测量矢状位径线:C0~C2角(C0~C2 angle)、C2~C7角(C2~C7 angle)、C2~C7矢状面垂直轴(SVA)、颈倾角(NT)、胸1倾斜角(T1S)、胸廓入射角(TIA),使用SPSS26.0对所得数据进行统计学分析。结果患者术前术后VAS(7.64±2.38比3.32±2.62,t=6.896,P<0.05)、mJOA(7.84±3.63比14.40±3.31,t=-7.954,P<0.05)、NDI(63.60±18.61比11.72±16.57,t=11.230,P<0.05)差异有统计学意义;术后各时刻C0~C2角,术前与术后1~3 d C2~C7角、T1S、NT,术前与术后各时刻C2~C7 SVA、TIA差异无统计学意义(t=-0.168、-1.596、-1.534、1.230、-1.613、-0.122,P>0.05),术前与术后各时刻C0~C2角[(14.66±10.46)°比(10.55±8.07)°,t=2.974、2.407、2.642、3.198,P<0.05),术前与术后3、6、12个月C2~C7角、T1S、NT[(17.35±14.92)°比(24.06±4.81)°,(18.07±6.26)°比(24.13±4.36)°,(54.93±11.90)°比(50.36±10.10)°,t=-3.253、-3.121、-2.180,-5.047、-4.937、-5.715,3.023、3.110、2.897,P<0.05)差异有统计学意义;ΔC2~C7角与ΔT1S之间明显相关(r=0.498,P<0.05);ΔT1S与ΔVAS、ΔNDI评分之间正向相关(r=0.447、0.467,P<0.05),与ΔmJOA评分具有负向相关性(r=-0.501,P<0.05)。结论3D打印寰枢侧块关节融合器治疗颅颈交界区畸形术后,患者矢状位平衡得到改善,T1S的改变与临床疗效改变相关,T1S在衡量脊柱矢状位平衡中具有重要意义。

后路松解复位侧块关节植骨融合枕颈内固定术治疗颅底凹陷合并难复性寰枢椎脱位的疗效分析

目的:探讨后路松解复位侧块关节植骨融合枕颈内固定术治疗颅底凹陷症合并难复性寰枢椎脱位的临床疗效。方法:回顾性分析2010年1月~2020年1月于我院行后路松解复位侧块关节植骨融合枕颈内固定术治疗颅底凹陷症合并难复性寰枢椎脱位患者的资料,其中男11例,女8例,年龄37.4±13.9岁(13~69岁),随访时间为54.7±29.4个月(25~131个月)。术前、术后1周、术后6个月、末次随访时分别通过视觉模拟(visual analogue scale,VAS)评分和日本骨科协会(Japanese Orthopaedic Association,JOA)评分评估患者的疼痛和神经功能情况。术前、术后1周、术后6个月、末次随访时在颈椎正中矢状位CT上测量寰齿前间距(atlantodental interval,ADI)、齿突尖至Chamberlain线的距离(distance of the top of odontoid to Chamberlain′s line,DOCL),在颈椎MRI上测量延髓脊髓角(cervico-medullary angle,CMA)。通过CT评估植骨融合情况,记录术后并发症。结果:所有患者手术顺利,手术时间136.1±29.0min(95~210min),出血量为189.7±85.0mL(100~455mL)。术前、术后1周、术后6个月及末次随访时VAS评分分别为6.06±1.21分、2.35±0.76分、1.24±0.81分、1.12±0.90分,JOA评分分别为9.26±2.24分、14.05±2.01分、15.05±1.57、15.16±1.42分;与术前相比,患者术后1周、术后6个月和末次随访时的VAS评分和JOA评分均显著改善(P<0.05)。影像学方面,术前、术后1周、术后6个月及末次随访时ADI分别为9.63±1.93mm、1.21±1.10mm、1.16±1.09mm、1.26±1.02mm,DOCL分别为11.47±3.93mm、2.53±3.30mm、2.32±3.20mm、2.26±2.73mm,CMA分别为114.31°±11.00°、144.16°±9.33°、145.31°±8.83、143.42°±9.12°;与术前相比,患者术后1周、术后6个月和末次随访时的ADI、DOCL和CMA均显著性改善(F=41.05,P<0.001)。所有患者均实现骨性融合,融合时间为10.3±2.7个月(5~15个月)。术后发生并发症2例(脑脊液漏1例,切口深部组织感染1例),给予对症支持治疗后均治愈。结论:后路松解复位侧块关节植骨融合枕颈内固定术是治疗颅底凹陷症合并难复性寰枢椎脱位安全有效的手术方式。

显微镜下微创肌间隙寰枢侧块融合术与开放寰枢融合固定术对寰枢椎脱位的疗效比较

目的比较显微镜下微创肌间隙寰枢侧块融合术(Mis-PALF)和开放寰枢融合固定术对寰枢椎脱位的临床疗效。方法回顾性分析2015年9月至2021年9月在北京大学第三医院接受Mis-PALF手术治疗(17例)或开放寰枢融合固定术(88例,作为对照)的寰枢椎脱位患者的临床资料。Mis-PALF组男9例,女8例,年龄(45.8±19.8)岁;对照组男48例,女40例,年龄(50.0±13.9)岁。比较两组手术时间、围术期出血量、术后体温、术后疼痛视觉模拟评分(VAS)、术后追加止痛药物情况、术后住院时间、随访日本骨科协会(JOA)评分改善率以及并发症等指标。结果Mis-PALF组围术期出血量较开放组减少[(111.8±35.9)ml比(362.9±18.6)ml,P<0.01]、住院时间较短[(3.06±0.63)d比(4.24±0.14)d,P<0.01]、追加止痛药物人数较少(3/17比56/88,P<0.01)。两组手术时间[(125±7)min比(113±8)min,P=0.525]、术后发热(11/17比37/88,P=0.086)、术后VAS>3分比例(1/17比13/88,P=0.357)、随访JOA改善率(66.9%±28.8%比74.2%±28.6%,P=0.409)及并发症发生率(1/17比3/88,P=1.000)等指标差异均无统计学意义。结论相比开放寰枢融合固定术,在寰枢椎脱位患者中,Mis-PALF能显著减少围术期出血量、缩短术后住院时间、减少止痛药物使用,同时不增加并发症的发生。

双柱形髂骨块椎体间融合与SF固定治疗腰椎滑脱症

目的 探讨经后路椎体间双柱形髂骨块植骨融合和 SF椎弓根螺钉系统在腰椎滑脱治疗中的疗效。方法 采用 SF系统对滑脱椎体撑开提拉复位 ,以椎间后外两侧环锯形开槽并放置柱状髂骨块行椎间植骨融合。结果 全部病例随访 6～ 2 8个月 ,原腰腿痛症状消失 ,无一例并发症 ,恢复轻体力劳动 ,效果满意。结论 双柱形髂骨块椎体间融合与 SF固定治疗腰椎滑脱症固定坚强 ,植骨融合率高 ,符合脊柱生物力学要求 ,是一种有效和可靠的方法。

一种残差卷积与多尺度特征融合的海岛多时相遥感影像变化检测方法

为提高多时相遥感影像的海岛变化检测精度,文中采用编解码结构模型将变化检测中变和不变的二分类问题视为语义分割任务,提出一种残差卷积与多尺度特征融合的海岛多时相遥感影像变化检测方法(RMFNet)。首先,在编码器层构建4组优化的残差卷积块(RC)用于提取特征信息,每组残差卷积块通过三重跳跃连接方式提高网络的泛化能力;其次,构建基于空洞空间金字塔池化的多尺度特征融合块(MFF),融合语义信息、全局上下文信息以充分学习海岛变化与未变化的特征;然后,使用损失函数指导残差卷积块和多尺度特征融合块的训练;最后,以中国香港岛为例,基于公开的变化检测OSCD数据集进行仿真实验。结果表明:提出的RMFNet方法的Kappa值比CNN、ResNet-18、PSPNet、SegNet、UNet五种方法分别提高0.2509、0.2019、0.1313、0.0786、0.0380,验证了该方法的有效性。

棘突骨块在腰椎后路椎体间融合术中的应用

目的:探究棘突骨块在腰椎后路椎体间融合术中的应用。方法:选取70例行腰椎后路椎体间融合术治疗的患者为研究对象,采用随机数字表法分为常规组与干预组,每组35例,给予常规组Cage植骨融合,干预组给予自体棘突骨块融合,随访两组患者6~24个月,对比治疗效果。结果:干预组优良率为94.29%,与常规组91.43%相比,差异无统计学意义(P>0.05)。干预组术后12个月VAS疼痛评分、椎间高度、腰椎前凸角与常规组相比,差异无统计学意义(P>0.05)。干预组植骨融合率为94.29%,常规组植骨融合率为91.43%,差异无统计学意义(P>0.05)。两组并发症发生率比较,差异无统计学意义(P>0.05)。结论:Cage植骨融合与自体棘突骨块融合均可用于腰椎后路椎体间融合术,效果相似。

基于可融合残差卷积块的深度神经网络模型层剪枝方法

针对当前主流的剪枝方法所获得的压缩模型推理时间较长和效果较差的问题,提出一种易用且性能优异的层剪枝方法。该方法将原始卷积层转化为可融合残差卷积块,然后通过稀疏化训练的方法实现层剪枝,得到一种具有工程易用性的层剪枝方法,兼具推理时间短和剪枝效果好的优点。实验结果表明,在图像分类任务和目标检测任务中,该方法可使模型在精度损失较小的情况下获得极高的压缩率,优于先进的卷积核剪枝方法。

高效率视频编码中基于块整合的错误隐藏算法

针对新一代视频编码标准高效率视频编码(HEVC)编码单元(CU)尺寸较大所导致的丢包后错误隐藏恢复效果不佳的问题,提出了对CU下的分割块进行块融合的错误隐藏方法。首先,分析了残差能量与块分割的相关性;然后,通过参考帧残差能量与所设阈值进行比较判决,对当前丢失CU分割块进行融合,得到丢失CU的块分割方式;其次,对矢量外推法进行权值优化,保证了算法在HEVC错误隐藏的适用性;最后,对融合块采用优化后的矢量外推法进行错误隐藏。实验结果表明,与经典错误隐藏方法如拷贝法、运动补偿法等相比,基于块融合的错误隐藏在保证解码视频结构相似性(SSIM)的同时提高了不同运动性的解码视频峰值信噪比(PSNR),验证了算法的可行性。

一种复合的多源序列图像融合方法

提出了一种复合的多源序列图像融合方法。对从序列图像中提取的两帧配准的源图像进行小波多尺度积分解,首先采用改进的小波多尺度积方法定位其模极大值点。然后采用基于区域的方法获得融合的小波系数,对于低频分量,通过比较两幅子图像块的空间频率和对比度来确定其质量,以此得到融合图像的低频分量。对于高频分量中的模极大值点,通过绝对值选大来获得该点的融合小波系数;对于高频分量中的非极大值点,通过比较两幅子图像对应块的均匀度测度,而后获得融合图像的高频细节分量。通过反变换重建可以获得最佳的融合图像,同时增强了图像中目标的边缘信息。结合多聚焦图像序列、红外图像序列、红外和可见光图像序列的融合实验,表明所提算法的优越性和实用性。

一种快速图像块填充算法及其在遥感影像处理中的应用

针对Drori的图像块填充算法计算复杂度高,计算量大的缺点,提出了一个快速的改进算法。并结合光学遥感影像的特点,将其应用到遥感影像中的厚云及阴影去除上。实验结果表明,在能够取得近似相同结果的情况下,本文算法与Drori算法相比,能够较好地缩短计算时间。

三维非规则碎片的分块算法研究

提出一种动态增长的平均法矢准则,采用宽度优先搜索的方法,对三维非规则碎片分块.首先,随机地选取碎片几何模型上任意一个三角片作为种子网格,通过法矢比较,将法矢方向一致的三角片加入到当前的种子网格;计算经过增长了的种子网格的平均法矢并继续上述的比较过程,得到碎片模型的初步划分结果;然后,对初步划分得到的相互混杂的大小区域分类、融合,进一步优化分块结果.应用实例证明了算法的有效性和可靠性.

基于国人颈椎CT数据测量设计寰枢椎椎间融合器的研究

目的:利用CT测量颈椎相关参数,探讨设计单纯前路寰枢椎椎间融合器的可能性及思路。方法:随机选取2017年3月到2019年2月我院收治的颈椎病患者60例,排除发育畸形患者,其中男27例,女33例,所有患者术前常规进行颈椎CT平扫和三维重建,在PACS系统上测量颈椎CT参数。分别测量寰枢椎横断面、矢状面、冠状面等相关参数并行统计学分析。结果:60例患者中,男(54.86±12.26)岁,女(56.60±7.43)岁,寰椎侧块最大径线男左侧为(18.82±2.22)mm、右侧为(18.86±0.89)mm,女左侧为(18.72±2.18)mm、右侧为(19.32±1.36)mm;其中,最大径线与矢状位所形成的夹角男左边为(33.66±5.16)°、右边为(37.53±4.79)°,女左边为(37.20±4.49)°、右边为(38.40±3.50)°;冠状位上,枢椎侧块横径男女左右相当,男左边为(15.86±1.46)mm、右边为(16.22±1.09)mm,女左边为(17.05±1.63)mm、右边为(16.48±1.74)mm,男女之间差异无统计学意义(P>0.05)。寰枢椎冠状位及矢状位上侧块间隙高度则呈现内外低,中间相对较高的趋势,男女之间差异无统计学意义(P>0.05)。结论:寰枢椎侧块间隙数据相对恒定,有足够空间来容纳椎间融合器。基于寰枢椎侧块的影像学测量,可设计一体化钢板螺钉椎间融合器,为单纯前路固定融合寰枢椎提供一种新思路。

基于图像自适应融合的超分辨率重建算法

本文提出了一种基于图像块自适应融合的序列图像超分辨率重建算法。算法使用低分辨率序列图像中的互补信息重建生成高分辨率图像。为了保证重建初始估计尽可能接近真实场景,配准后的序列图像按照图像块梯度信息自适应的融合生成高分辨率初始估计图像。算法采用误差反向投影的方法对高分辨率图像迭代校正,生成超分辨率重建最终结果。实验证明,本文提出的超分辨率重建算法能够在增加图像细节信息的同时重建出更加自然真实的高分辨率图像。

面向模糊医学图像边缘检测的卷积网络

考虑到传统边缘检测算法难以处理模糊的医学图像,提出一种基于深度学习的边缘检测网络ECENet.首先,本文网络基于CHRNet模型,对其最后两层进行剪枝,使模型更加高效和轻量化.其次,在网络的特征提取阶段加入注意力模块SKSAM,优化图像特征的自适应提取,并降低噪声的影响.最后,在多尺度的网络输出上采用上下文感知融合块进行连接,帮助模型更好地理解图像的结构和语义信息.此外,综合考虑像素级别的准确性和边界的平滑性,优化了损失函数,为模型训练提供更好的梯度信号.实验结果表明:本文算法在最佳数据集规模(ODS)和最佳图像比例(OIS)指标分别提高到0.816和0.823;相关边缘指标参数显著提高,PSNR提高了16.8%,SSIM提高了37.6%.

改进U-net++的遥感图像语义分割方法

遥感图像语义分割在土地资源规划、智慧城市等领域有着广泛的应用。由于高分辨率遥感的图像存在边界分割不清、小尺寸目标分割不清等问题,为此提出了一种基于U-net++的改进网络TU-net,该模型通过优化网络结构加强模型的特征提取能力,引入特征头细化模块,通过构建了两条通道来增强通道特征表示和空间特征表示,提升了对高层语义信息的解析能力;引入基于Transformer的注意力聚合模块来捕捉全局上下文信息,设计了十字窗交互模块,显著降低了计算复杂度;在解码器末端设计了一个动态特征融合块,以此得到多类、多尺度的语义信息,增强最终的分割效果。TU-net在两个数据集上进行实验,其中OA、mIoU、mF1分数均高于主流模型,Vaihingen数据集中小尺寸目标车的IoU和F1分数分别为0.896和0.962,比次优模型提升了5%和15.8%;Potsdam数据集中树的IoU和F1分数分别为0.913和0.936,比次优模型提升了6.3%和4.3%,实验结果表明该模型能够更精准地分割小尺寸目标及目标边界。