基于超声内镜影像组学和机器学习的胃肠道间质瘤与非胃肠道间质瘤鉴别方法

目的建立并验证基于超声内镜影像组学和机器学习的胃肠道间质瘤与非胃肠道间质瘤的鉴别方法。方法纳入符合标准的患者435例,采集胃肠道间质瘤(257例)与非胃肠道间质瘤(包括胃平滑肌瘤145例、神经鞘瘤33例)超声内镜图像共3279张,按患者比7∶3分为训练集和测试集。采用Pyradiomics软件提取肿瘤影像组学特征,并应用主成分分析(PCA)、最小绝对收缩和选择算子(LASSO)、极致梯度提升树(XGBoost)、随机森林、递归式特征消除(RFE)算法设计特征筛选方案,基于所选特征通过支持向量机分类器建立模型。通过ROC曲线评估各模型对胃肠道间质瘤与非胃肠道间质瘤的预测效能。结果由最终筛选得到的超声内镜影像组学特征建立影像组学模型,基于5种特征筛选方案(PCA、PCA+LASSO、PCA+XGBoost、PCA+随机森林、PCA+RFE)建立的预测模型的AUC分别为0.581、0.870、0.874、0.860、0.661。结论PCA+XGBoost的特征筛选方案效果最佳,基于上述影像组学和机器学习方法鉴别胃肠道间质瘤与非胃肠道间质瘤的模型可用于患者的术前预测。

基于超声影像的下腔静脉自动识别与定位

目的探究基于下腔静脉(IVC)超声影像的IVC自动识别与直径测量方法。方法提出一种基于拓扑结构与自动跟踪算法的IVC自动识别与定位方法,采用跟踪方式对数据集进行IVC识别和连续定位,以提高测量的效率和准确性。以超声医师的人工测量结果作为金标准,在采集自ICU的18例患者的18组超声数据集上进行测试。结果自动化算法识别准确率为94.44%(17/18),IVC直径自动测量误差在±1.96s(s为标准差)范围内,表明自动测量方法可替代人工测量方法。结论本研究提出的基于拓扑结构与自动跟踪算法的IVC自动识别与定位算法具有较高的识别成功率及IVC直径测量准确性,可以辅助临床医师进行IVC的识别定位与直径测量。

集成全尺度融合和循环注意力的医学图像分割网络

深度学习中的编解码网络在图像特征提取和分层特征融合方面具有卓越的性能,常被用于医学图像分割。但是,目前主流的编解码网络分割方法仍面临编码和解码阶段单一网络挖掘的图像特征信息不足,以及仅使用简单的跳跃连接而无法充分利用全尺度特征包含的粗粒度信息和细粒度信息等问题。为了解决上述问题,提出了一种集成全尺度融合和循环注意力的医学图像分割网络。首先,在U-Net编码器中加入了结合多层感知机(MLP)的卷积MLP模块来提取图像的全局特征信息,用于扩大编码器的特征感受野。其次,通过全尺度特征融合模块使得各尺度跳跃连接特征进行粗粒度信息和细粒度信息的有效融合,减小各尺度跳跃连接特征间的语义差异,突出图像的关键特征信息。最后,解码器通过提出的结合循环神经网络(RNN)和注意力机制的循环注意力解码模块(RADU)来逐级精细化图像特征信息,加强特征提取的同时避免信息冗余,并得到高精度分割结果。在4个数据集上将所提方法与主流较优的方法进行比较,所提方法在像素精度和骰子相似系数两个指标上的图像分割精度均有提高。因此,所提出的用于医学图像分割的编解码网络利用全尺度特征融合模块和循环注意力解码模块,能够获得较优异的高精度分割结果,并且模型具有良好的噪声鲁棒性和抗干扰能力。

基于二维点缺陷可重构光子晶体的毫米波微等离子体源的研究

本文根据光子晶体缺陷理论,利用HFSS软件设计了一款基于二维可重构光子晶体阵列的毫米波微等离子体源,研究其谐振特性和电磁场分布等。仿真结果表明:晶格数目、介质柱半径和介质柱间距等参数对毫米波微等离子体源的S参数和电磁场分布等有较大影响;当谐振频率为76.02 GHz时,S_(11)为-25.11 dB,品质因数Q为400.11,最大电场强度可以达到2.3×10^(5)V/m。本文工作对基于二维可重构光子晶体的毫米波微等离子体源的进一步研究提供参考。

微波光子四倍频复合雷达信号生成及目标多维度探测

在雷达系统中,为了实现对目标的高精度、多维度测量,产生雷达信号是一个基本而又重要的环节.本文提出了一种微波光子四倍频复合雷达信号产生方法,该复合雷达信号包括单啁啾线性调频信号和单音微波信号.利用单音微波信号和单啁啾线性调频信号实现目标径向速度的测量,使用单啁啾线性调频信号实现目标距离测量和高分辨率微波成像.在发射端,使用微波光子四倍频技术生成了瞬时带宽为2 GHz的正啁啾线性调频信号和频率为13.2 GHz的单音微波信号.在接收端,目标回波信号经去斜后用来实现距离和径向速度测量以及高分辨率逆合成孔径成像.实验结果表明,测量得到的目标的距离和径向速度绝对误差分别不超过4.2 cm和1.7 cm/s,多个探测目标成像结果清晰可辨.

基于双层解耦策略和注意力机制的遮挡目标分割

遮挡目标分割是实例分割中的一个难点,但在多个应用领域有很强的实用价值,例如物流传输线上堆叠快递包裹的分割。针对快递包裹目标遮挡导致难以分割的问题,该文提出一种基于双层解耦策略和注意力机制的遮挡目标分割方法。该方法首先利用带有特征金字塔(FPN)的主干网络提取图像特征;然后,利用双层解耦检测头自动预测实例的重心是否被遮挡并使用不同的分支对两类不同遮挡类型的实例进行检测;接下来,利用注意力改进模块得到无遮挡实例的预测掩模并将这些掩模合成为一个注意力权重图;最后,注意力改进模块利用该注意力权重图帮助有遮挡实例得到分割结果。该研究采集了一个遮挡快递包裹实例分割数据集,并在该数据集上进行实验。实验结果表明,该方法的平均精度(AP)、召回率(Recall)和漏检率(MR–2)指标分别达到了95.66%, 97.17%和11.78%,较其他方法具有更优的分割性能。

深度学习在儿童心脏超声标准切面自动智能识别中的应用

目的 探讨深度学习在儿童心脏超声标准切面自动识别中的可行性和准确性。方法 在上海交通大学医学院附属上海儿童医学中心心脏超声诊断中心影像归档和通信系统数据库中,选取2022年9-10月行心脏超声检查儿童的4 035张心脏超声图像,按照6∶2∶2的比例将图像随机分为训练集(2 421张)、验证集(807张)、测试集(807张)。通过改进密集连接网络(DenseNet)开发了一个轻量、高效的深度学习模型,实现对15个儿童心脏超声标准切面的自动识别,并与DenseNet121、InceptionV3、MobileNetV3 3种常用的深度学习模型进行比较。以人工手动标注结果为金标准,采用准确度、精确率、特异度、召回率和F1指数评价深度学习模型的识别性能。使用参数量、模型大小和浮点运算数3个指标评估模型的识别效率。采用混淆矩阵展示模型的识别结果,并通过热力图反映模型对图像特征的关注度。结果 DenseNet121、InceptionV3、MobileNetV3模型和所提出的深度学习模型识别15个儿童心脏超声标准切面和非标准切面的平均F1指数分别为94.59%、95.13%、92.41%、94.73%,参数量分别为7.0×10~6、24.4×10~6、4.2×10~6、1.8×10~6,模型大小分别为13.941、48.777、8.445、3.588 MB,浮点运算数分别为11.16×10~9、12.89×10~9、0.86×10~9、3.05×10~9。从混淆矩阵和热力图可以看出,所提出的模型对15个儿童心脏超声标准切面和非标准切面的识别率高于DenseNet121、InceptionV3、MobileNetV3模型,且能够关注到超声切面中的关键特征区域。结论 所提出的深度学习模型可准确地识别儿童心脏超声标准切面,且模型的参数量较少,运行效率较高。

儿童先天性右心房畸形的超声心动图诊断价值及漏误诊分析

目的 探讨彩色多普勒超声心动图对儿童先天性右心房畸形(congenital malformations of the right atrium, CMRA)的诊断价值,分析漏诊与误诊原因,提高超声心动图对儿童CMRA的首次检出率。方法 选取并分析22例经手术与MRI及CT诊断为CMRA的患儿资料,其中11例行胸外科手术治疗。结果 本组原发性右心房扩张15例、右心房憩室3例、原发性右心耳扩张3例、冠状静脉窦憩室1例。单纯性CMRA患儿10例,合并畸形12例,包括卵圆孔未闭5例、房间隔缺损4例、三尖瓣轻-中度反流3例、三尖瓣发育不良1例、三尖瓣重度反流1例;7例合并阵发性室上性心动过速等严重的心律失常。22例超声诊断正确18例(81.8%);漏诊与误诊4例(18.2%),其中误诊3例,漏诊1例;1例右心房憩室误诊为原发性右心房扩张,1例原发性右心房扩张误诊为原发性右心耳扩张,1例冠状静脉窦憩室误诊为冠状静脉窦狭窄,1例原发性右心房扩张漏诊。结论 彩色多普勒超声心动图可以比较准确地诊断儿童CMRA,但容易漏、误诊。

儿童迷走锁骨下动脉的超声心动图与CTA术前诊断价值及术后随访分析

目的探讨超声心动图与CTA在儿童迷走锁骨下动脉(ASA)的术前诊断及术后随访中的临床价值。方法选取我院经心胸外科手术证实的ASA患儿192例,应用超声心动图与CTA观察心内结构及血管畸形,同时应用CTA观察气管狭窄程度,比较超声心动图与CTA对儿童ASA的术前诊断情况,分析二者在术后6个月评估吻合口血流梗阻及气管狭窄程度的价值。结果192例ASA患儿中,超声心动图准确诊断124例,准确率为64.6%,漏诊67例,误诊1例;CTA准确诊断174例,准确率为90.6%,漏诊2例,误诊16例。192例ASA患儿中,132例合并其他心内结构畸形,超声心动图准确诊断130例,准确率为98.5%,漏诊2例;CTA准确诊断82例,准确率为62.1%,漏诊50例。所有患儿术后均经超声心动图随访,其中81例行ASA移植术及Kommerell憩室切除术的患儿,术后左锁骨下动脉与左颈总动脉吻合口均无明显梗阻(流速<2.0 m/s);2例仅行ASA移植术的患儿,术后左锁骨下动脉与左颈总动脉吻合口流速均稍增快(流速>2.0 m/s);13例仅行Kommerell憩室切除术的患儿,术后2例降主动脉流速均稍增快(流速>2.0 m/s);96例仅处理其他心内结构畸形的患儿,术后5例降主动脉流速均稍增快(流速>2.0 m/s)。CTA术后随访50例,其中14例行ASA移植术及Kommerell憩室切除术的患儿,术后气管均无明显狭窄;2例仅行ASA移植术和4例仅行Kommerell憩室切除术的患儿,术后气管均为轻度狭窄;30例仅处理其他心内结构畸形的患儿,术后气管均为轻度狭窄。结论超声心动图与CTA在术前诊断ASA中各有优势,超声心动图可以更准确地诊断合并其他心内结构畸形,而CTA可以较准确地诊断ASA及气管的狭窄程度;超声心动图与CTA在术后随访过程中可分别用于评估吻合口血流梗阻情况及气管狭窄程度,能综合评估术后恢复效果。

基于光注入半导体激光器的雷达通信一体化研究

雷达通信一体化是近年来研究的热点之一,它能够在单一系统中同时实现目标探测和数据传输两种功能.本文提出了一种结构简单紧凑的基于光注入半导体激光器的雷达通信一体化方案.利用注入相位调制光信号的N阶调制光边带锁定从激光器,以提高主从激光器之间的相干性;通过改变从激光器单周期振荡频率和注入光信号,可以实现工作频段和倍频因子均可调谐的幅度键控线性调频(Amplitude Shift-Keying Linearly Frequency-Modulated,ASK-LFM)信号的生成,并通过实验和仿真验证了基于该信号的一体化系统的雷达与通信功能.实验结果表明,对于带宽为1 GHz的ASK-LFM信号,目标距离测量误差优于3.2 cm,3个探测目标成像结果可分辨且能够同时实现通信数据的正确传输.

薄膜体声波谐振器(FBAR)滤波器研究

薄膜体声波谐振器(FBAR)滤波器具有小尺寸、高频、宽频带、高功率容量等特点,符合5G通信系统对射频滤波器的要求,因而成为射频滤波器的研究热点。对FBAR滤波器的结构原理、电路拓扑形式、关键材料和空腔结构方案四个方面进行了综合阐述与研究。首先介绍了FBAR的基本结构、描述了其工作原理,并指出用于衡量性能优劣的两个关键参数——有效压电耦合系数k_(eff)^(2)和品质因数Q。然后概括了FBAR滤波器的电路拓扑形式,并分析了Ladder形式、Lattice形式和Ladder-Lattice组合形式三种电路拓扑形式的特点。随后研究了FBAR滤波器的关键材料——压电材料与电极材料,并进行了性能特性的比较。其次总结了FBAR的空腔工艺制备方案,重点关注硅反面刻蚀型与空气隙型两大类,并给出了对比与讨论。最后对FBAR滤波器的进一步发展做出了展望。

基于方形开口谐振环的无线激励微波微等离子体阵列源的研究

根据天线辐射理论和超材料特性,通过HFSS仿真软件,对基于方形开口谐振环(SRR)的无线激励2.45 GHz微波微等离子体阵列源进行研究。仿真结果表明,SRR的长度、宽度和缝隙宽度、辐射天线与阵列源的距离、偏移距离和谐振环开口方向等参数对微波微等离子体阵列源的S参数、电磁场分布等有较大影响。

基于显微高光谱成像技术的运动和感觉神经分类研究

在外科神经修复手术中,正确识别神经束性质是实现良好修复的关键。本文将显微高光谱成像技术应用于神经分类中,并对分类的可行性进行实验性探究。首先使用显微高光谱神经采集系统获取兔子运动及感觉神经的高光谱图像数据并进行预处理,再利用纯净像元提取算法得到端元波谱继而获取各类别的特征光谱,通过分析特征光谱的特征与差异找寻合适的分类算法,实验结果表明本技术具有一定的分类效果。本文基于K近邻分类器,实验性的使用了经典欧氏距离及波谱角距离这两种距离测度算法对实验数据进行分类,对比实验结果分析两种方法的优劣,为后续寻找其他合适且更具针对性的分类方法奠定了重要的基础。

基于依存分析的开放式中文实体关系抽取方法

实体关系抽取是信息抽取的组成部分,其目标是确定实体之间是否存在某种语义关系。由于中文语法错综复杂、表达方式灵活、语义多样等固有性质的限制,导致在中文中以动词作为关系表述容易引起实体间的关系含糊不清。为此,利用依存分析,提出一种开放式中文实体关系抽取方法。对输入的单句进行依存分析,通过依存分析输出的依存弧判断单句是否为动词谓语句,如果是动词谓语句则结合中文语法启发式规则抽取关系表述。根据距离确定论元位置,对三元组进行评估,输出符合条件的三元组。在Sogou CA和Sogou CS语料库上的实验结果表明,提出的方法适用于大规模语料库,具有较好的性能与可移植性。与基于卷积树核的无监督层次聚类方法相比,F值提高了16.68%。

基于空间活跃度网络的搜索策略研究

基于具有时变特性与空间特性的空间活跃度网络模型,研究了时变网络中的搜索问题。结合空间活跃度网络的特性,引入了搜索时间、搜索路径长度和等待时间3种搜索策略的评价指标,提出了最大活跃度搜索策略、改进的贪婪搜索策略和最大活跃度最小距离搜索策略。利用这些策略在空间活跃度网络中进行搜索,研究发现和其他的搜索策略相比,改进的贪婪搜索策略与最大活跃度最小距离搜索策略具有较好的搜索性能,能够很好地适用于这种类型的时变网络,从而优化了目标搜索的过程。

局域光场增强的量子阱红外探测器(特邀)

量子阱红外探测器是继碲镉汞红外探测器之后又一重要的可以在中、长波段和甚长波段工作的红外探测器件。它在长波红外探测、多色探测及其焦平面技术方面表现出比碲镉汞红外探测器更具特色的优势,对量子阱红外探测器的研究将在很大程度上推动我国红外探测器技术的发展。这一探测器的突出优势是其材料均匀性好,制备技术成熟。但是由于量子效率偏低,且无法直接吸收垂直入射红外光,所以需要针对不同的红外探测波段,设计和制备各类光栅或微腔结构来进行光耦合及局域光场增强以有效提升探测器性能。如何更有效提升量子阱红外探测器的光耦合效率,降低暗电流,提高器件工作温度是仍然是目前研究的重点。文中着重介绍和总结了近5年来研究的局域光场增强的新型量子阱红外探测器,从提高探测器光耦合效率、降低器件暗电流和提高工作温度等方面重点讨论各种量子阱红外探测器的新结构和新机理,同时展望了这一探测器的未来发展方向。

碳点MnO_(2)修饰碳布复合电极的电容性能

通过一种自下而上的高温裂解方法制成一种碳点(CD),并在此基础上以碳布(CC)为衬底合成了碳点修饰的二氧化锰(CD/MnO_(2))复合电极。对合成的CD/MnO_(2)/CC进行表征分析,发现生成的CD/MnO_(2)较均匀地生长在碳纤维上,高分辨率透射电子显微镜(HRTEM)下CD/MnO_(2)呈分层纳米片状。对CD/MnO_(2)/CC进行电化学测试,发现该复合电极在Na2SO4水溶液中展现出了极高的面积比容量(1 mV/s扫描速率下达1400 mF/cm^(2))和超长的循环寿命(4000次循环后电容保持率达87.2%)。最后将复合电极、聚乙烯醇(PVA)和Na2SO4导电凝胶组装成柔性对称超级电容器。结果表明超级电容器扩展了电位窗口,达到了-1~1 V,在30 mV/s的扫描速率下,面积比容量为401 mF/cm^(2)。在180°和90°的弯折下,面积比容量变化不大,展现了良好的弯曲耐受度。

基于硅微通道板的CoNiP微米管阵列的磁性

利用压差液流法在硅微通道板(MCP)孔道内侧壁上沉积钴镍磷(CoNiP)软磁性材料,制备了钴镍磷微米管阵列。比较了液流沉积与直接水热法沉积两种工艺方法,验证了液流法对于宏多孔硅化学沉积的优化。以不同方式对所得样品进行退火,观察平行和垂直于微米管长轴方向的矫顽力和剩磁比(Mr/Ms),发现垂直于微米管阵列长轴方向的剩磁比明显大于平行于微米管阵列长轴方向的,这表明制备样品的易磁化方向为垂直于微米管阵列长轴的方向,同时电流退火使垂直和平行于微米管长轴方向的矫顽力的大小关系发生反转。

基于维度约束的距离测度学习算法

为提高分类精度,通过距离测度学习可以得到样本在新的特征空间里新的表示.针对马氏距离未考虑不同类别样本维度间相关性存在差异这一缺陷,提出了一种新的有监督的距离测度学习算法,即独立-差别分量分析方法(Independent Discrimi-Native Component Analysis,I-DCA),并将其运用于基于k近邻分类器的运动神经与感觉神经分类中.作为对照,还详细分析了已有的相关分量分析方法(Relevant Component Analysis,RCA)和差别分量分析方法(Discrimi-Native Component Analysis,DCA)这两种距离测度学习算法.实验结果表明,改进算法的分类精度相较于马氏距离提高了近45%,相较于RCA与DCA也提高了15%左右,分类精度的提高说明了改进算法的有效性.

融合人体姿态估计和目标检测的学生课堂行为识别

在课堂教学中,人工智能技术可以帮助实现学生行为分析自动化,让教师能够高效且直观地掌握学生学习行为投入的情况,为后续优化教学设计与实施教学干预提供数据支持.构建了学生课堂行为数据集,为后续研究工作提供了数据基础;提出了一种行为检测方法及一套可行的高精度的行为识别模型,利用OpenPose算法提取的人体姿态全局特征,融合YOLO v3算法提取的交互物体局部特征,对学生行为进行了识别分析,提高了识别精度;改进了模型结构,压缩并优化了模型,降低了空间与时间的消耗.选取与学习投入状态紧密相关的4种行为:正坐、侧身、低头和举手进行识别,该检测与识别方法在验证集上的精度达到了95.45%,在课堂上玩手机和书写等常见行为的识别精度较原模型有很大的提高.