碳纤维温度传感器的感温机理及其应用研究

碳基材料的温度传感机理研究报道中很少讨论碳材料的固有杂质对温度响应的影响,因此选择了杂质和缺陷较多的碳纤维丝束作为研究对象,研究杂质散射机理与其温度响应的关系。基于杂质散射机理和碳纤维的几何特点,分析了碳纤维的感温机理,并提出了相应的温度标定公式,即碳纤维在123.15 K至423.15 K的宽温度范围内,电导G对温度T^(3/2)具有良好的线性响应。两者的变化量可定义为碳纤维丝束温度传感器的灵敏度,此温度传感器的灵敏度可以通过灵活调控碳纤维的几何结构和化学掺杂来改变,这进一步验证了碳纤维的电荷传输行为在123 K~423 K的温度范围都符合杂质散射。此外,结合温度标定公式和无线蓝牙电路,设计出一种响应时间快达0.6 s的便携式柔性温度传感器,可快速、实时地监测人体和环境温度。

深度学习的舌体分割研究综述

舌体分割是智能医学诊断的重要组成部分,其目的是通过分割舌诊图像生成精准的舌体轮廓。近年来,深度学习方法在图像处理领域得到了广泛的应用并取得了较好的结果。随着医学图像分割对性能的要求越来越高,许多研究人员将深度学习运用到舌体分割中。主要对基于深度学习的舌体分割方法研究现状进行分析梳理和归纳总结。在舌体分割应用领域中,以各种深度学习方法作为研究对象,将基于深度学习的舌体分割方法划分为卷积神经网络(CNN)、全卷积网络(FCN)、卷积模型与图形模型、基于编解码器的模型、基于区域卷积网络模型、扩张卷积模型结构、迁移学习以及其他方法。在每类方法中,针对其改进和扩展的研究成果进行了全面的论述,总结分析其优势与不足;并对基于深度学习的舌体分割常用的数据集和评价指标进行了视觉比较与性能评估;最后讨论了未来研究工作中的发展潜力。