基于横向振动模式的压电元件研究

为了解决大规模超声阵列中压电元件电阻抗匹配难度增加的问题,提出一种多层的基于横向振动模式的压电元件构造方法。利用压电陶瓷具有多种振动模式的特性,将基于厚度振动模式工作的压电元件转换为基于横向振动模式工作,在此过程中,压电元件振动方向不变,电极面积增加,间距减小从而其固定电容增加,电阻抗降低。该文提出了一种双层结构模式转换压电元件的构造方法,结合仿真分析,设计了基于横向振动模式压电元件,不进行阻抗匹配,其电阻抗降至约50Ω。

深度学习在医学影像中的应用综述

深度学习能自动从大样本数据中学习获得优良的特征表达,有效提升各种机器学习任务的性能,已广泛应用于信号处理、计算机视觉和自然语言处理等诸多领域。基于深度学习的医学影像智能计算是目前智慧医疗领域的研究热点,其中深度学习方法已经应用于医学影像处理、分析的全流程。由于医学影像内在的特殊性、复杂性,特别是考虑到医学影像领域普遍存在的小样本问题,相关学习任务和应用场景对深度学习方法提出了新要求。本文以临床常用的X射线、超声、计算机断层扫描和磁共振等4种影像为例,对深度学习在医学影像中的应用现状进行综述,特别面向图像重建、病灶检测、图像分割、图像配准和计算机辅助诊断这5大任务的主要深度学习方法的进展进行介绍,并对发展趋势进行展望。