基于低剂量胸部CT原始数据迭代重建增强等级评价不同类型肺小结节的初步分析

目的:探讨低剂量胸部CT(LDCT)原始数据迭代重建(SAFIRE)增强等级与不同类型(实性、部分实性及纯磨玻璃)肺小结节优化显示的对应关系。材料与方法:分析2020年9月至2021年1月行LDCT并符合肺小结节入组标准受试者101例105个肺小结节,依结节性质分为实性结节组(n=27),部分实性结节组(n=37)和纯磨玻璃结节组(n=41)。采用单因素方差分析、卡方检验或Kruskal-Wallis H检验先分析组间一般资料,再以滤波反投影算法(FBP,B50f)为参照,比较SAFIRE I50f和I70f(分别1~5级)各模式下客观图像质量(噪声值、肺小结节CT值、SNR和CNR)和主观图像质量评分。结果:(1)三组在性别、身体质量指数和结节分布无显著差异,纯磨玻璃结节组年龄和结节长径均小于实性和部分实性结节组;(2)SAFIRE I50f 1~5和I70f-5图像噪声值均低于FBP B50f,其中SAFIRE I50f-5噪声值最低,不同模式下肺小结节CT值无显著差异,SAFIRE I50f-5肺小结节SNR和CNR均高于FBP B50f和其他SAFIRE模式;(3)SAFIRE I50f 3~5实性和部分实性肺小结节图像质量主观评分高于FBP B50f和除I70f-5外SAFIRE其他模式,SAFIRE I50f-4纯磨玻璃肺小结节图像质量主观评分高于FBP B50f和除I50f-3、I50f-5外SAFIRE其他模式且组间评分无显著差异。结论:SAFIRE I50f-4在LDCT实性、部分实性和纯磨玻璃肺小结节图像质量客观、主观评价方面均表现良好且均衡,可适用于各类型肺小结节LDCT评价。

原始数据迭代重建技术与单能谱成像技术在结直肠癌CT图像重建中联合应用效果

目的观察原始数据迭代重建技术(SAFIRE)与单能谱成像技术在结直肠癌双源CT图像重建中的联合应用效果。方法术前行双源CT双能量静脉期扫描并在术后经病理证实为结直肠癌的患者52例,根据静脉期图像重建方法不同分为A、B、C、D组。A组采用滤波反投影(FBP)进行图像重建,B组采用FBP联合单能谱成像技术,C组采用SAFIRE,D组采用SAFIRE联合单能谱成像技术。分别测量4组图像病灶显示最佳的3个层面的病灶、肠周脂肪的CT值及噪声并求得平均值。计算信噪比(SNR)和对比噪比(CNR)。由两位高年资中级职称CT医师进行图像主观评分;根据CT图像评估T分期并与术后结果进行对比,计算评估准确率。结果 D组CT值高于其余三组,B组CT值高于A组和C组(P均<0.01)。A、B、C、D组噪声依次降低,两两相比,P均<0.01。D组SNR、CNR及图像主观评分高于其余三组,B组和C组的SNR、CNR、图像主观评分高于A组(P均<0.01)。A组根据CT图像评估T14例、T25例、T338例、T45例,评估准确率为82.69%;B组分别为3、2、41、6例和84.62%;C组分别为4、1、40、7例和82.69%;D组分别为3、4、38、7例和84.62%。各组T分期准确率差异无统计学意义。结论结直肠癌双源CT图像重建中采用SAFIRE和单能谱成像技术均可以提高静脉期CT图像质量,两种技术联用效果更好,但并不能提高对结直肠癌T分期的评估效能。

不同频域传递函数对悬架道路模拟试验数据迭代结果影响研究

运用整车道路模拟机,结合某车型前后悬总成,通过反力墙装置固定前后悬架,采用不同频域传递函数进行悬架道路模拟试验数据迭代。将不同频域传递函数应用于同一道路谱,结果表明,在剧烈工况下,不同频域传递函数对数据迭代结果的影响较小;在平缓工况下,传递函数对数据迭代结果的影响较大。

物理核心素养培养——数据迭代获取行星运动轨迹

物理核心素养,包括物理观念、科学思维、科学探究、科学态度和责任.本文以“万有引力与航天”课堂教学为例,阐述新课程标准下的高中物理课堂,如何落实学生物理核心素养的培养.

压电微动台数据驱动迭代前馈补偿与自适应抑振

为消除压电驱动柔性微定位平台高精控制对平台不确定动力学模型的依赖性,提出了一种数据驱动无模型迭代前馈补偿和自适应陷波滤波结合的控制方法来提高平台的跟踪性能。首先,建立了数据驱动无模型迭代前馈控制器,提高系统对噪声和其他干扰的鲁棒性,同时,证明了在无模型迭代前馈作用下,连续参考输入跟踪误差的有界性和闭环系统的稳定性;其次,构建了自适应陷波滤波器来消除平台谐振的影响,对误差信号进行快速傅里叶变换,并设计谐振频率在线提取算法,实现对陷波滤波器参数的在线实时整定,来进一步提升轨迹跟踪精度;最后,利用所设计的无模型迭代前馈控制器和自适应陷波滤波器对压电微动台进行轨迹跟踪实验。实验结果表明:在跟踪三角波信号时,与单独比例-积分(Proportional Integral,PI)控制和结合自适应陷波滤波器的PI控制相比较,最大跟踪误差分别减小78.25%和70.83%,能够有效提升平台的稳定性和跟踪精度。

卡尔曼滤波下多源传感器数据互补-加权迭代融合算法

因多源传感器在数据融合过程中,受自身数据差异性影响较大,导致最终的融合结果精准度较低。为此,在卡尔曼滤波算法的基础上,针对多源传感器数据提出一种互补-加权迭代融合算法。建立多源传感器观测模型,找出数据融合过程中的最优加权系数。在多源传感器组合系统中引入卡尔曼滤波算法,结合互补-加权迭代融合算法,建立预测方程、状态方程、滤波互补因子以及估计均方误差方程,实现多源传感器的数据融合。实验结果表明,所提算法可以精准找出最优加权系数,观测误差始终在0.6 m以下,可以实现数据的精准融合。

基于原始数据的迭代重建技术在眼眶CT平扫中的应用

目的探讨基于原始数据的迭代重建(SAFIRE)技术在眼眶CT平扫中的价值。方法对50例眼部外伤患者行眼眶CT平扫,分别采用用滤过反投影(FBP)和SAFIRE(强度1～5级)技术重建图像;对比分析6种重建图像的平均CT值、噪声、SNR、CNR、图像质量评分及病变检出率。结果 6种重建图像间,同种组织CT值差异无统计学意义(P均>0.05);与FBP图像相比,1～5级SAFIRE图像中视神经噪声分别降低15.69%、27.39%、36.17%、41.75%和53.99%,视神经SNR分别提高18.62%、37.46%、55.70%、69.55%和118.11%,CNR分别提高21.59%、32.90%、56.43%、83.91%和104.39%(P均<0.05);SAFIRE 1级和5级图像的质量评分低于FBP图像,2～4级图像的质量评分高于FBP图像,SAFIRE 3级图像评分最高。结论眼眶CT平扫中应用SAFIRE能有效降低噪声和提高图像质量。

面向MapReduce的迭代式数据均衡分区策略

MapReduce是一种适用于大数据处理的重要并行计算框架.然而,由于难以提前全面获得中间数据的分布规律,默认的数据分区策略往往会造成Reducer端的数据倾斜,会直接影响MapReduce的整体性能.为了实现数据均衡分区,本文提出一种迭代式数据均衡分区策略,将每个Mapper节点要处理的数据块细分后以迭代方式循环处理,根据已迭代轮次的微分区分配结果决定当前迭代轮次的微分区分配方案,以不断调整历次迭代产生的数据倾斜,逐步实现数据均衡分区.给出了迭代式数据分区策略的分配时机、分配准则、分配评价模型和分配算法.基于公开的数据集,对迭代式数据均衡分区策略进行了详细测评,结果表明,该策略能够得到更均衡的数据分区结果,当数据集本身倾斜比较显著时,MapReduce整体性能比默认分区策略平均提高了11.1%和19.7%.

间歇过程最优迭代学习控制的发展:从基于模型到数据驱动

本文综述了间歇过程的基于模型的和数据驱动的最优迭代学习控制方法.基于模型的最优迭代学习控制方法需要已知被控对象精确的线性模型,其研究较为成熟和完善,有着系统的设计方法和分析工具.数据驱动的最优迭代学习控制系统设计和分析的关键是非线性重复系统的迭代动态线性化.本文简要综述了基于模型的最优迭代学习控制的研究进展,详细回顾了数据驱动的迭代动态线性化方法,包括其详细的推导过程和突出的特点.回顾和讨论了广义的数据驱动最优迭代学习控制方法,包括完整轨迹跟踪的数据驱动最优迭代学习控制方法,提出和讨论了多中间点跟踪的数据驱动最优点到点迭代学习控制方法,和终端输出跟踪的数据驱动最优终端迭代学习控制方法.进一步,迭代学习控制研究中的关键问题,如随机迭代变化初始条件、迭代变化参考轨迹、输入输出约束、高阶学习控制律、计算复杂性等.本文突出强调了基于模型的和数据驱动的最优迭代学习控制方法各自的特点与区别联系,以方便读者理解.最后,本文提出数据驱动的迭代学习控制方法已成为越来越复杂间歇过程控制发展的未来方向,一些开放的具有挑战性的问题还有待于进一步研究.

原始数据迭代重建算法在胃癌术前分期诊断中的应用价值研究

目的 ：比较原始数据迭代重建算法（sinogram affirmed iterative reconstruction algorithm,SAFIRE）与传统滤波反投影（filtered back projection,FBP）重建算法在胃癌术前CT分期中的图像质量。方法：选取40例经手术病理证实为进展期胃癌的患者,所有患者术前均行128层双源炫速CT扫描并分期。将原始数据通过SAFIRE的1~5级及FBP算法分别进行重建,获得5 mm层厚的CT图像。测量并比较所得图像的胃壁病灶、肝脏、右侧竖脊肌、皮下脂肪及腹主动脉的噪声和CT值、病灶的对比噪声比（contrast-to-noise ratio,CNR）和信噪比（signal-to-noise ratio,SNR）及腹主动脉SNR,并对胃癌术前分期的图像质量进行主观评分。结果：FBP重建算法与SAFIRE（1~5级）间各部位所测得的平均CT值差异无统计学意义（P〉0.05）。FBP重建图像中病灶的平均噪声最高,而在SAFIRE图像中,随着1~5等级的增高,噪声逐渐降低,CNR及SNR也随之降低。主观评分中,FBP重建图像的评分最高,而SAFIRE图像随等级的升高,评分逐渐降低;其中,FBP重建算法与SAFIRE S1、SAFIRE S2与S3的主观评分结果间差异均无统计学意义（P〉0.05）。结论：SAFIRE技术应用于胃癌术前分期检查中,虽能降低图像噪声,提高图像的CNR、SNR,但相比常规FBP重建算法并不能提高进展期胃癌术前分期的准确率。在相同扫描条件下,更推荐应用FBP重建算法或SAFIRE的S1图像来对进展期胃癌进行分期诊断。

基于迭代自组织数据聚类阈值PCNN的图像分割法

基于迭代自组织数据聚类阈值的脉冲耦合神经网络的图像分割算法改进了传统脉冲耦合神经网络在图像分割中由于不恰当的参数选择而导致图像欠分割和过分割的问题。基于迭代自组织数据聚类阈值的脉冲耦合神经网络图像分割算法无需确定参数和循环次数,也不需要用特定原则确定循环结束的条件,只需利用图像中的每个像素点的灰度值进行聚类,然后利用改进的迭代自组织数据算法确定图像的初始聚类数目以及聚类中心,并以此作为脉冲耦合神经网络的最佳阈值,一次点火过程自动完成分割。实验结果表明,这种算法具有较好的分割结果和分割速度,提高了分割的准确性。

基于迭代自组织数据分析的测向定位新算法

针对传统交会定位方法精度不高的问题，从概率论角度出发，利用离信号源真实位置越近出现定位点概率越大的统计特性，首次提出将迭代自组织数据分析算法（ISODATA）应用到定位计算中。新算法自动对交会点进行聚类，消除聚类程度低的点集，选择聚类程度高的点集，然后利用最小二乘算法进行定位计算。理论分析和仿真结果表明，新算法能有效提高定位精度，尤其在低信噪比情况下性能表现较传统算法优越。

家犬胸部低管电压扫描结合迭代重建SAFIRE技术的运用

目的:对比常规扫描重建与低k V扫描结合SAFIRE技术重建的图像质量,探讨低k V结合SAFIRE重建的价值。方法:健康成年家犬11只,分别行胸部CT常规剂量及低剂量扫描,规定120 k V/65 m A结合FBP重建为常规组,100 k V/65 m A结合SAFIRE(强度3级)重建为低k V组。比较两种方案的辐射剂量,比较所得两组图像的平均CT值、噪声、SNR、CNR及图像质量评分。结果:与常规组比较,低k V组ED降低了39.33%;同种组织平均CT值比较差异无统计学意义(P>0.05);低k V组肺组织、上腔静脉、脊柱旁肌肉噪声均降低,SNR均有升高,上腔静脉-脂肪CNR升高,且差异均有统计学意义(P<0.05)。图像质量评分低k V组较常规组升高约1.70%。结论:家犬胸部低k V扫描联合SAFIRE重建技术可降低辐射剂量并提高图像质量,可指导临床推广运用。

基于水平集和迭代自组织算法的图像分割

提出了基于水平集和迭代自组织数据分析的岩心砾石图像分割方法,既可克服水平集算法伴生的图像过分割问题,也可解决迭代自组织算法产生的图像边缘飘移问题。该方法首先运用水平集算法获取目标颗粒的准确边界,运用迭代自组织算法提取目标颗粒的整体;其次将两种方法提取的图像给以迭加综合处理,克服水平集算法伴生的图像过分割和迭代自组织算法产生的边缘飘移的缺陷,进而得到既完整又边界准确的目标颗粒。该方法运用于岩心砾石图像的分割,取得了良好的效果。

模糊迭代自组织数据分析技术在油储预测中的应用

提出了用模糊迭代自组织数据分析技术实现油储预测的研究思路。在对油储主特征向量的构成有较好认识且对各主特征值的提取质量可靠的情况下，文中提出的用已知标准样本，通过模糊迭代自组织算法获得各聚类中心，进行油储预测是该技术在油气勘探开发中的一种推广应用。

使用内存缓存的迭代应用编程框架

迭代式计算是一类重要的大数据分析应用.在分布式计算框架MapReduce上实现迭代计算时,计算会被分解成多个作业并按作业依存关系顺序运行,这使得程序与分布式文件系统(DFS)有多次交互而影响程序执行时间.对这些交互相关数据的缓存会降低与DFS的交互时间,进而提升程序总体的性能.考虑到集群中的大量内存在多数情况下会处于空闲状态,提出了一种使用内存缓存的迭代式应用编程框架MemLoop.该系统从作业提交API、调度算法、缓存管理模块实现缓存管理以充分利用内存缓存迭代间可驻留数据与迭代内依存数据.我们将此框架与已有相关框架进行了比较,实验结果表明该框架能够提升迭代程序的性能.

迭代自组织哈希算法

为了解决现有哈希算法的中心点不确定性和离散编码表达有限的问题,提出迭代自组织哈希算法(iterative self-organizing hashing,ISOH)。该算法采用迭代自组织数据分析量化空间,以提高近邻检索准确率;在聚类中心初始化方面,使用最远平均距离方法选择初始聚类中心,避免初始聚类中心的随机性;为解决固定编码长度所表示的二值编码种类有限的问题,提出建立多重编码机制;在时间复杂度方面,ISOH算法采用乘积空间,以较低的代价得到更长的编码。实验结果表明,在SIFT、GIST和CIFAR10数据集上与K-均值哈希和可扩展图哈希等具体化哈希算法相比,ISOH算法能有效提高近邻检索的准确率。

基于电能计量管理系统数据分析的配电网线变关系校验方法

准确计算配电网线变关系是均衡配电网负荷、提高线路运行可靠性的关键,长期以来依靠人工方式校验配电网线变关系的方式耗时耗力。因此,在大数据分析的基础上,运用电能量守恒的原理建立数学模型建模,提出了基于电能计量管理系统数据分析的线变关系校验方法。通过偏相关系数的大小和变化来校验线变关系的正确性并进行实例校验。结果表明,此校验方法能精确判断配电网线变关系的正确性,大大提高分析配电网海量运行数据的效率。根据所提出的配电网线变关系校验方法,对变电站多条10k V线路下的数据进行校验,准确率达97.8%。

基于大数据驱动的高校图书馆业务体系研究

本文针对大数据研究中的不足,将大数据作为一个整体,分析了其在高校图书馆业务体系范围内的应用,提出了大数据在图书馆整个业务体系范围内的共享与迭代的概念,对大数据在图书馆相关业务范围内的应用进行了阐释。

数据全流通共享中心体系架构研究

大数据时代背景下智慧校园建设需要将校园运行过程中的海量数据汇集成为"活"的数据,本文阐述了如何构建学校的数据全流通共享中心体系,以提升教学与管理活动各个环节中数据的"活"性,推动数据的不断迭代更新,成为数据资产,为生态型智慧校园建设提供有力支撑。