基于级联动态注意力U-Net的脑肿瘤分割方法

脑肿瘤是一种严重威胁人类健康的疾病,脑肿瘤精确分割在临床诊疗中非常重要。由于脑肿瘤形状大小各异、位置不固定和边界模糊等,实现高精度脑肿瘤自动分割仍是一项具有挑战性的任务。近年来,U-Net凭借其简洁的架构和优秀的性能成为解决医学图像分割任务的主流模型,但其也存在局部感受野有限、空间信息丢失和未充分利用上下文信息等问题。为此,提出一种基于动态卷积和非局部注意力机制的级联U-Net新模型(CDAU-Net)用于脑肿瘤分割任务。首先,将两阶段级联三维U-Net作为主体架构,来重建更精细的高分辨率脑肿瘤空间信息;进而,在级联网络横向连接上添加期望最大化注意力,通过提高网络捕获长距离依赖能力来更好利用肿瘤上下文信息;最后,在级联网络中将普通卷积替换为具有局部自适应能力的动态卷积,可进一步增强网络局部特征捕获能力。在公开的BraTS2019-2020数据集上进行了大量实验并与其他代表性方法进行对比,实验结果表明了所提方法在脑肿瘤分割任务上的有效性。其中,在BraTS2019/2020验证集上获得的全部肿瘤、肿瘤核心和增强肿瘤分割Dice值分别为0.897/0.903,0.826/0.828和0.781/0.786,表现出了良好的脑肿瘤分割性能。

计算机图形学可视化教学综合实验平台开发

为解决"计算机图形学"课堂教学中偏理论、低效率、不直观等问题,以课程中直线拟合、网格模型分割及3D点云数据自动配准等关键知识点为例,开发了"直线拟合、网格模型分割及3D点云数据自动配准综合实验平台V1. 0"。利用该实验平台可以直观互动地掌握最小二乘拟合、三维空间变换、网格模型法向量分析和ICP点云配准等算法原理。在辅助课堂教学的同时,该实验平台还在大学生创新性实验计划项目、大学生科技创新竞赛中发挥作用。

编译技术混合式教学模式研究与实践

首先强调教师角色转变对于混合式教学模式的重要性,然后针对传统教学方法的痛点,提出将编译课程的知识点划分为初阶、中阶、高阶3种难度,基于此提出编译技术课程的混合式教学方法,介绍课堂教学实践,最后阐述编译技术课程中加强课程思政建设的方法和案例,并通过数据对比说明教学效果。

天气影响的城市交通实验平台设计与实现

设计并完成了一个B/S结构的天气影响的城市交通实验平台。首先对出租车定位数据进行预处理,包括统计上下客坐标、上下客时间等。然后将数据映射到公开地图Open Street Map中进行可视化展示,确定了机场区域和地铁口区域,设计了机场车流量分析和地铁口车流量分析模块,筛选指定区域内的出租车出行数据。在此实验平台上,利用ASP.NET、Java Script等技术实现分析与统计结果以图表展示。

面向3D散乱点云数据的曲面拟合综合实验平台

为了解决计算机图形学中曲面拟合知识点授课过程中重理论、偏抽象、不直观等问题,以课堂中的网格模型分割、3D散乱点云数据球面拟合及3D散乱点云数据椭球面拟合等关键知识点为例,开发了“基于3D散乱点云数据的球面拟合、椭球面拟合综合实验平台V1.0”。利用该平台软件可以较为直观地掌握网格模型数据提取、球面最小二乘拟合和椭球面模型拟合重构等技术原理。该平台不但可以助推课堂教学,而且还在教师科研项目、大学生科创竞赛中发挥了良好的作用。

基于CAD模型参数和MHD度量的装配体检索研究

标准交换格式的装配体CAD模型仅包含几何形状信息而缺乏装配约束信息,为适应该类模型的检索及重用,提出一种结合CAD模型参数和改进的豪斯多夫距离的装配体检索方法。从CAD系统中直接获取零件模型的几何参数和属性数据,经归一化处理后形成矢量来表示该零件。将装配体中各零件的参数矢量合成为一个矢量的集合,作为装配体的描述符。然后采用改进的豪斯多夫距离度量算法,通过多对多的零件匹配来计算两个装配体之间的非相似度。该方法支持装配体模型的全局检索和局部检索。试验结果表明,该方法快速高效,适用于多种文件格式的CAD模型,并能获得满意的装配体检索效果。

基于微博的细粒度情感分析

【目的】对微博进行细粒度情感分析,将情感分为8类,并计算其情感强度值,从而尽可能还原微博用户情感。【方法】通过微博语料分析构建疑问词词表,在大连理工大学情感词汇本体DUTIR的7类情感基础上,丰富一类情感"疑",并利用点互信息法构建表情符号词典,还综合考虑否定词和程度副词对情感表达的影响,利用Python从新浪微博上获取数据,并用R语言的jieba R包进行分词,对情感进行分类并计算其强度。【结果】得到微博用户对于糖尿病7类常用药物的8类情感占比及情感强度,并通过正确率、召回率、F值对结果进行验证,其中"怒"和"哀"的正确率最高,分别为85.73%和83.05%,而"乐"和"好"的召回率与F值均最高,为81%以上。本文新增情感"疑"的正确率、召回率、F值分别为77.33%、78.58%、77.95%,均值在8类情感中排名前列,说明其情感识别较好。【局限】由于本文依赖于情感词典进行情感分析,因此为了更好的分析结果,情感词典仍需进一步完善。【结论】本方法具有较高的识别率和可靠性,能够更好地对微博上的情感分类进行细粒度分析。