移动助手在防汛中的应用及实现

本文介绍了一种基于智能移动终端、GPS、GIS和3G技术的水利防汛移动助手系统。该系统使用外置蓝牙GPS或内置GPS装置获取当前定位信息,并在智能移动终端中应用GIS系统进行地图标绘,通过移动传输网络将位置和现场相关数据传送至服务器,服务器对数据进行分析与存储,再将指挥指令和业务数据回传至智能移动终端,从而实现移动终端和服务器数据的实时交互。智能移动终端作为数据采集器可以进行汛情和工情信息的及时采集,服务器则对终端的位置和回传数据进行接收、查看、分析,为辅助决策提供可靠的数据依据。

TransAS-UNet:融合Swin Transformer和UNet的乳腺癌区域分割

目的乳腺癌在女性中是致病严重且发病率较高的疾病,早期乳腺癌症检测是全世界需要解决的重要难题。如今乳腺癌的诊断方法有临床检查、影像学检查和组织病理学检查。在影像学检查中常用的方式是X光、CT(computed tomography)、磁共振等,其中乳房X光片已用于检测早期癌症,然而从本地乳房X线照片中手动分割肿块是一项非常耗时且容易出错的任务。因此,需要一个集成的计算机辅助诊断(computer aided diagnosis,CAD)系统来帮助放射科医生进行自动和精确的乳房肿块识别。方法基于深度学习图像分割框架,对比了不同图像分割模型,同时在UNet结构上采用了Swin架构来代替分割任务中的下采样和上采样过程,实现局部和全局特征的交互。利用Transformer来获取更多的全局信息和不同层次特征来取代短连接,实现多尺度特征融合,从而精准分割。在分割模型阶段也采用了Multi-Attention ResNet分类网络对癌症区域的等级识别,更好地对乳腺癌进行诊断医疗。结果本文模型在乳腺癌X光数据集INbreast上实现肿块的准确分割,IoU(intersection over union)值达到95.58%,Dice系数为93.45%,与其他的分割模型相比提高了4%~6%,将得到的二值化分割图像进行四分类,Accuracy值达到95.24%。结论本文提出的TransAS-UNet图像分割方法具有良好的性能和临床意义,该方法优于对比的二维图像医学分割方法。