用C++开发X-Window/Motif用户界面的OOP技术

就Ｃ＋＋采用面向对象方法开发Ｘ－Ｗｉｎｄｏｗ／Ｍｏｔｉｆ界面的关键技术予以介绍。

X-Windows/Motif下应用软件中文界面的实现技术

Ｘ－Ｗｉｎｄｏｗｓ／Ｍｏｔｉｆ是一个符合国际开放标准且应用非常广泛的图形开发环境。在其环境下实现应用程序人－机界面的中文化问题在国内已日趋重要。本文介绍了在Ｘ－Ｗｉｎｄｏｗｓ／Ｍｏｔｉｆ环境下开发应用程序中文界面的一些方法。

X-Window中应用软件定义翻卷显示方法的实现

在计算机屏幕上显示大型图形(如回放的测井曲线)时,常常使用窗口翻卷显示方式。其翻卷策略一般分为2 种,即自动翻卷和应用软件定义的翻卷。前者比较简单,但在实际应用中会受到很大限制。后者实用性更强,能够满足各种需要,但是对于其具体的实现技术,现有文献中基本上都没有进行详细的论述和说明。根据应用实践,较为系统地给出这种翻卷方式在工作站X Window环境下的实现技术。

X-Window/M otif下的汉化技术

介绍在X-Window/Motif下显示汉字的原理、字库文件的构成和调用方法,详细描述了在不同场合显示汉字的方法;探讨汉字输入和相关的编辑问题。

X-Window/Motif测井资料光盘数据库管理系统设计与实现

在石油地球物理资料处理平台上,基于X-Windows/Motif开发环境建立了测井资料数据计算机光盘库管理系统。系统包含测井数据的入库、出库、多种测井数据记录格式转换、测井数据的条件组合查询、递阶组合快速查询等功能模块。该系统在塔里木油田研究院进行应用,按油田、构造、区块、井次、项目等装入了比较完整的测井数据,为油气勘探的生产与科学研究数据获取提供了极大的便利。

X-Window系统下的人机交互绘图技术

交互绘图技术在微机Windows系统下实现起来比较容易,但在运行于Unix系统的X-Window窗口系统下实现起来比较困难。文章以具体的行业应用为例,给出X-Window下实现交互绘图的技术原理和方法。

X-Windows和多媒体全程网络的存取

1993年X－Windows（XW）保证周转金达120亿美元，并比1992年翻了一番。这证明职业用户和非职业用户对X－Windows的兴趣在扩大和巩固。据报导，现在有了XW通讯协议的XIIR6新版本。这个版本是Unix集团研制的，而且是对Microsoft公司WindowsNT的竞争和挑战。像IBM，HP，Novell，santa-CruzOperationSansift这样、些公司加入了该集团。该集团的目标是建立开放系统（Cosc－CommonOpenSoftwareFoundation）接口的标准。XIIR6的出现将意味着该集团向与开放系统垄断相关的利益范围渗透。同样说明新系统很大程度上完善了数据管理设备，并保证了应用三维图形的可能性，使网络中数据传输设备的信息通过量增加，而网络中原来的数据传输速度相对较低。

X-Window环境下图形连续滚动显示方法设计

在很多实际应用中，常常要在屏幕上对所绘图形进行显示．X－Window提供了一些显示较大图形的策略，但由于有时图形太大，系统提供的显示机制无法满足要求，这时必须设计另外的显示方案。提供的滚动显示方法不受绘图数据量大小的限制，适用于各种大小图形的屏幕显示。

X-window应用系统的安全问题及其解决方案

通过介绍X-window应用系统的通信原理,分析Internet环境下X-window应用系统的通信安全问题,提出了一种能够保证X-win-dow实际应用安全性的解决方案,并直接应用到Web-EDA技术平台开发中。该安全通信的解决方案主要集成了主机隐藏、通信加密、二次验证等3种通信安全技术,而无须对X-window应用软件的原程序进行修改,就能解决其在Internet中通信的安全问题。

用Qt编制Linux中X-windows下的应用程序

一、Qt概述 QtTM是一个多平台的工具包（for C++）,它是Troll Tech公司的产品,大部分操作系统,从Microsoft Windows到Unix/X Windows及Linux/X Windows对其都有支持。在Linux下有一个Qt的免费版本及详尽的教程,其编程风格有些像Java和Borland C++,习惯用Java或Borland C++的程序员很快便可掌握。

多线程环境下X-Window程序设计

在分析了Ｘ应用程序特点和Ｘｌｉｂ线程安全性的基础上给出了在多线程环境下Ｘ应用程序的线程框架设计，并提出了两种具体解决Ｘｌｉｂ库多线程不安全问题的技术方法。

从控制台到X-Window抓图攻略

Linux越来越受到人们的关注，使用的人也越来越多。Linux用户可以通过网络交流使用经验、介绍好的软件。在交流中，人们经常互相在网上贴张屏幕截图，使得相互之间的交流变得更加直接、容易。这里我介绍一些Linux下的抓图软件和使用方法，希望能让大家更灵活地应用Linux。

X-Window系统：现状与回顾（上）

X-Window系统简称为X，是Unix／Linux操作系统上广为使用的窗口图形引擎。本文将回顾X的发展历程，介绍X的基本工作原理和相关技术·列举各种窗口管理程序下的桌面环境及集成式桌面环境·简述X应用开发的基本内容·并对与Internet相结合的Broadway技术做一简单介绍。

如何设置X-Window中的-Colormap

该文对在X-Window环境下如何设置颜色,即如何设置Colormap做了详尽的讨论。

X-Window系统图形的转换及打印工具

X-Window系统是一种可移植的、面向网络和网络透明的窗口系统,它配合OSF最新推出的MOTIF图形用户界面(GUI)使用,可以在UNIX系统下进行各种图形及菜单的设计。在实际使用中,有时需将设计出的图形或菜单打印出来,X-Window系统提供了打印图形的工具程序xwd和xpr,但它只能在PostScript、DEC LN03、LA100及IBM PP3812等类型的打印机上打印图形,不支持EP-SON系列打印机及其它类型的打印机。由于我们使用的许多打印机多是EPSON系列及其它类型的打印机,因此就需要将X-Window的图形进行转换,以便图形能在各种打印机上打印。

MDCT窗技术联合MPR在T1和T2期胃癌中的鉴别诊断价值

目的:探讨MDCT窗技术联合多平面重建(MPR)在T1和T2期胃癌中的鉴别诊断价值。方法:回顾性分析经手术病理证实的154例T1期胃癌、78例T2期胃癌患者的临床病理特征(主要包括肿瘤位置、最大径、胃切除类型和病理类型等)。由两位放射科医生分别基于窄窗宽图像(窗宽180 HU,窗位90 HU)、腹窗图像(窗宽350 HU,窗位50 HU)和窄窗宽结合MPR图像进行术前胃癌T分期。使用χ^(2)检验评估年龄、性别等临床病理因素与胃癌分期的单变量相关性。采用Z检验分别比较窄窗宽组与腹窗组、窄窗宽结合MPR组与腹窗组诊断T1期胃癌的阳性预测值(PPV)、特异度(SPE)、敏感度(SEN)和阴性预测值(NPV)。采用Kappa检验评估两位阅片者对胃癌T分期诊断的一致性。结果:两组胃癌患者在肿瘤位置、最大径、胃切除类型、病理类型、pN分期、pTNM分期、淋巴管浸润及神经浸润存在显著性统计学差异(P<0.05)。窄窗宽组均较腹窗组诊断T1期胃癌有较高的SEN(86%vs.59%,86%vs.53%)、NPV(71%vs.47%,72%vs.45%);与腹窗组比较,窄窗宽结合MPR组诊断T1期胃癌的SEN(91%vs.59%,92%vs.53%)、NPV(83%vs.47%,85%vs.45%)和PPV(93%vs.81%,93%vs.82%)较高(P均<0.025)。对腹窗组、窄窗组、窄窗宽结合MPR组进行胃癌T分期评估时,观察者之间的一致性极高(Kappa=0.831、0.836、0.868)。结论:MDCT窗技术适用于T1及T2期胃癌的鉴别诊断,窄窗宽技术联合MPR具有较高的灵敏度、阳性预测值及阴性预测值。

调整窗宽/窗位对卷积神经网络模型自动筛选胰腺肿瘤CT图像性能的影响

目的观察调整窗宽/宽位对卷积神经网络(CNN)模型自动筛选胰腺肿瘤CT图像性能的影响。方法按6∶4比例将医学图像分割十项全能挑战赛中的胰腺CT数据集(包含281例胰腺肿瘤CT图像共26719幅)数据分为训练集和测试集;训练集共15346幅,33.96%(5212/15346)存在胰腺肿瘤,测试集共11373幅,34.26%(3896/11373)存在胰腺肿瘤。采用调窗方法,分别设置窗位为30、40及50 HU,以120、300和500 HU为窗宽范围端点,经组合配对形成9组参数,调整原始数据集窗宽/窗位,将原始数据直接映射到0~255像素灰度值,共得到10组数据,分别将其导入Alexnet-V1、Alexnet-V2、Resnet-V1及Resnet-V2共4个CNN模型进行训练,于相应测试集中筛选胰腺肿瘤图像,以准确率(Acc)、敏感度(Sen)及特异度(Spe)评价其效能。结果不同CNN模型用于筛选测试集无调窗数据胰腺肿瘤图像的Acc均为34.26%,Sen均为100%,Spe均为0。调整测试集图像窗位均为30 HU时,CNN模型对于窗宽300 HU图像的Acc及Spe最高,分别为(84.17±1.89)%及(77.91±1.96)%;窗位为40 HU及50 HU时,CNN模型在窗宽300 HU图像中的Acc、Sen及Spe分别为(85.98±2.66)%、(97.19±1.41)%及(82.12±3.44)%和(84.29±2.38)%、(97.68±1.65)%及(77.52±5.35)%,均高于120 HU和500 HU。结论通过调整窗宽/窗位可在CNN自动筛选胰腺肿瘤图像预处理过程中初步排除冗余信息;合理设置窗宽/窗位能有效提高CNN模型的筛选性能。