基于图像局部网格特征的隧道衬砌裂缝自动识别

裂缝是隧道衬砌最常见也是最严重的病害之一。针对常规图像识别方法存在的问题,提出一种基于图像局部网格特征的隧道衬砌裂缝自动识别方法。首先将图像划分为8 Pixel×8 Pixel的局部网格,基于局部网格内不同方向之间的亮度差异和对比度差异特征设计十字形模板,通过模板计算将网格中灰度值最小的像素识别为潜在的裂缝种子,最后采用种子连接算法将离散的裂缝种子像素连接成为完整的连续裂缝,在连接过程中自动计算裂缝的走向、长度和宽度。通过接受者操作特征曲线估计算法的最优参数和最佳阈值,从定性和定量分析两方面验证其可靠性和准确性。工程应用实例表明,算法能取得良好的裂缝识别效果,特别是对细微裂缝和存在渗漏水的衬砌图像,算法的可靠性和识别率均高于常规的图像识别方法。

移动CR与移动DR在床旁胸部摄影中的应用比较

目的对比研究移动计算机X射线摄影(CR)与移动数字化X射线摄影(DR)在床旁胸部摄影中的临床应用价值。方法随机抽取移动CR与移动DR床旁胸部摄影胸片各200张,对2种摄影方式所摄胸片的图像质量及胸内各结构的显示进行对比研究。移动CR和移动DR各200张床旁胸部摄影胸片,以其CT检查为"金标准"进行对照,将两组床旁胸片显示的病灶清晰程度分为清晰、可见、模糊、隐约可见、未见5类。统计2组的例数,绘制接受者操作特征(ROC)曲线。结果图像质量:移动CR床旁胸部摄影所得胸片的甲级片率69.0%,乙级片率24.5%,丙级片率5.0%,废片率1.5%。移动DR床旁胸部摄影所得胸片的甲级片率83%,乙级片率16%,丙级片率1%,废片率0。对胸内各结构的显示:移动CR与移动DR床旁胸部摄影所得胸片对胸内各结构的显示率移动CR低于移动DR。对病灶的显示能力:200张移动CR胸片中,126例行CT检查,67例CT所显示的病灶中,移动CR能显示64例,3例未见病灶。200张移动DR胸片中,108例行CT检查,53例CT所显示的病灶中,移动DR能显示52例,1例未见病灶。移动CR与移动DR床旁胸部摄影ROC曲线下的面积分别为0.833和0.918。结论移动CR与移动DR床旁胸部摄影,移动DR摄影的影像质量、对胸内结构的显示及对病灶的显示能力均优于移动CR,在床旁胸部摄影中移动DR具有更高的应用价值。

物理治疗师的双重反应时用于预测所治疗的脑卒中患者意外跌倒的临床意义

目的:探讨物理治疗师的双重反应时用于预测所治疗的脑卒中患者意外跌倒的临床意义。方法:研究对象为在中国康复研究中心随机抽取的37名物理治疗师,将被测的治疗师分成两组,跌倒组(11例):在过去的12个月中最少有一次所治疗患者跌倒经历;对照组(26例):所治疗患者没有跌倒经历。测评项目是单一反应时、双重反应时间和连线测验A表(TMT)。当研究对象以自身速度行走时,应用数码摄像机和声音记录设备测定双重反应时。结果:跌倒组的双重反应时比对照组的双重反应时长(P<0.05),单一反应时和TMT-A表跌倒组和对照组没有显著性差异(P>0.05)。按照逻辑性分析,双重反应时是治疗师所治疗患者跌倒的独立性危险因素。通过分析接受者操作特征曲线(ROC曲线)可得出双重反应时的临界值为328ms。结论:依据物理治疗师的双重反应时预测所治疗患者意外跌倒有一定的实际意义。

基于支持向量机与Adaboost的入侵检测系统

入侵检测系统在大数据量的情况下误报率高、泛化能力弱,且单一机器学习算法不能较好地应对多种攻击类型。为此,设计一个基于支持向量机(SVM)与Adaboost算法的入侵检测系统。依托Snort系统,利用主成分分析方法对提取的特征做降维处理,并将SVM-Adaboost集合算法作为检测引擎。采用NSL-KDD数据集进行训练和测试,实验结果表明,该系统的正确率达到97.3%,较SVM算法和Adaboost算法分别提高4.8%和14.3%。

基于SVM和信息增益的属性选择算法研究

该文提出了一种新的属性选择的算法,即基于信息增益和支持向量机递归属性消除的属性选择算法。该算法保留了支持向量机的高精确性、高维健壮等优点,并通过将信息增益与其结合,克服了支持向量机由于建模时间长导致运行缓慢的缺点。该文还提出了基于接受者操作特征曲线下面积的选择属性数目的方法,并将其应用于个人信贷信用评价中,取得了良好的效果。

细菌传染病、球菌传染病

0208310 内毒素血症和格兰氏阴性菌血症的一致性。用接受者操作特征曲线作中期分析/Hurley J C// Arch Pathol Lab Med.-2000,124(8).-1157～1164 医科图0208311 继发于噬二氧化碳细胞菌性败血症和末梢血涂片显示菌血症的Waterhouse-Friderichsen综合征/Mirza I//Arch Pathol Lab Med.-2000,124(6).-859～863

基于频率比-投影寻踪模型的渝东北三峡库区滑坡敏感性制图

滑坡敏感性制图是灾害防治较为有效的软措施之一。以渝东北三峡库区为例,利用频率比法和投影寻踪模型绘制滑坡敏感性图。首先,针对研究区的地质环境特征建立滑坡敏感性评价指标,并利用频率比法分析历史滑坡与指标之间的空间关系。其次,利用投影寻踪模型确定评价指标的最优向量,将频率比分析结果与最优向量进行加权计算得到滑坡敏感性指数,并将其划分为高敏感区、较高敏感区、中敏感区、较低敏感区和低敏感区。最后,利用接受者操作特征(receiver operating characteristics,ROC)曲线验证了滑坡敏感性制图结果。结果表明,频率比-投影寻踪模型在滑坡敏感性制图中具有良好的性能,样本和验证数据的曲线下面积(area under the curve,AUC)值分别为0.844和0.763。研究区滑坡敏感性以中低风险为主;较高和高风险区面积约占22%,主要分布在忠县、万州以及巫山等区县的人类工程活动集中区。研究结果可为区内灾害防治提供参考,有助于提升三峡库区地质灾害防灾减灾保障能力。