基于Ad-BN自适应深度卷积神经网络的肝脏纤维化超声诊断技术的研究

当前,卷积神经网络模型已被广泛用于执行各种类型的智能任务,医学图像辅助诊断是涉及多种图像类型的复杂场景。这些包括:普通2D图像,超高分辨率图像和3D图像。本项目针对一维信号的特点,提出“首层大尺度卷积核深度卷积神经网络”的模型,基层为大尺度卷积核,采用的技术路线为批量归一化层、采用WFK-CNN超参数设计准则,验证了WFK-CNN模型及其Ad-BN领域自适应处理后的抗噪性能。本文提出的肝脏纤维化超声诊断模型构建与改进方法具有较强的通用性,对今后的医学图像建模工作具有积极的指导意义。

低温烧结锶系PTC材料的研制

为了降低(Ba,Sr)TiO3的烧结温度,以PbO、BN为矿化剂,采用固相反应法制备了样品。研究了ζ(PbO:BN)在低温烧结状态下对锶系PTC材料性能的影响。结果表明:当ζ(PbO:BN)为4:3时,样品在1182℃能半导化,且获得了特性较好的PTC材料:tC为64.9℃,R25为125Ω,ρmax/ρmin为2.553×105,温度系数α10/25为12.54%℃–1,耐电压Vb为696.7V。

一种高效的动态概率广播算法及其概率模型检测分析

在AdHoc网络中,广播有着相当广泛的应用,其算法的效率极大地影响着网络的性能.本文基于DP算法提出了BN-DP算法,考虑了节点分布、计数器值以及收发节点间距离对广播算法的影响,赋予处于接收边缘的节点更高的转发概率.然后使用概率模型检测工具PRISM,分析了计数器值和节点分布对BN-DP算法性能的影响.结果表明:在相同可达率的情况下,所提出的BN-DP算法与FP、DP算法相比,减少了转发分组的数量,提高了广播效率.

六方氮化硼负载的Zn单原子催化剂吸附脱硫的理论研究

柴油中芳香性硫化物的吸附脱除是降低硫含量、提高油品质量的重要工艺之一。采用密度泛函方法(B3LYP)计算了Zn在六方氮化硼(h-BN)完整表面及缺陷位V_(B)、V_(N)、V_(BN)的吸附,计算表明Zn在B缺陷位(V_(B))可形成热力学稳定的Zn/V_(B)单原子催化剂。考察了芳香性硫化物在h-BN及h-BN负载的Zn单原子催化剂上的吸附构型及吸附能。结果表明,芳香性硫化物在Zn/V_(B)的吸附与h-BN相比明显增强,电荷分析表明Zn增强了硫化物与h-BN表面的电荷转移。

六方氮化硼负载的单原子催化剂(Na,Mg,Al)对芳香性硫化物吸附的理论研究

采用密度泛函方法(B3LYP)计算了芳香性硫化合物苯并噻吩(BT),二苯并噻吩(DBT),二甲基二苯并噻吩(DMDBT)在六方氮化硼负载的单原子(Na、Mg、Al)催化剂的吸附构型及吸附能。结果表明,三种金属原子在六方氮化硼的缺陷B位形成的吸附构型最稳定,并且对硫化物的吸附能力最强。BT、DBT、DMDBT在六方氮化硼表面及单原子催化剂的吸附能力依次增强。