快速磁共振成像的采样优化综述

快速磁共振成像一直都是磁共振成像(Magnetic Resonance Imaging,MRI)的核心研究内容,通过k空间欠采样数据重建或增加多个线圈并行成像(并行MRI技术)能够有效地提高扫描速度,降低核磁共振检查的扫描时间,已广泛应用于临床医学。近年来,随着深度学习技术的发展,将深度学习方法应用到磁共振快速成像取得了突破性的进展,基于深度学习的磁共振快速成像以其更快的扫描、更快的成像优势成为目前磁共振成像领域的研究热点,在欠采样倍数较高的情况下仍然能重建出伪影较低的高质量MRI图像。基于此,首先简要回顾了传统的快速MRI采样方法,之后对基于深度学习的快速磁共振成像欠采样与重建联合优化框架进行综述,并展示了相关框架的性能比较,最后对快速磁共振成像采样的发展趋势进行了展望。

新型冠状病毒肺炎疫情下武汉及周边地区何时复工?数据驱动的网络模型分析

基于全国和湖北省新型冠状病毒肺炎(COVID-19)疫情报告数据以及百度人口迁徙与分布大数据,本文构建武汉及周边15个疫情严重城市的COVID-19传播复杂网络模型,重点分析武汉及周边地区复工的可能时间节点和复工对二次暴发风险的影响.首先基于各个城市的累计病例数估计1月23日武汉的累计病例数,得到不同时期湖北省16个主要城市控制再生数的估计值,揭示了早期的传播风险较大和目前的传播风险小(控制再生数的值小于1).本文基于2019年同期的流动网络结构和流动量模拟整个网络模型,给出2020年2月17日、2月24日和3月2日的复工对各个城市疫情的影响.主要结论显示,在较强的防控措施和自我防护下,2020年3月2日复工将在一段时间内不会引起疫情的二次暴发.

基于深度学习的人脸识别方法综述

人脸识别与虹膜识别、指纹识别、步态识别等其它生物特征识别技术相比,具有自然、便捷、用户体验友好等独特优势,因而受到了学术界和工业界的广泛关注.近年来,在深度学习技术的驱动下,人脸识别技术取得了突破性进展,在面对表情、姿态、光照、遮挡等外在干扰因素时,仍表现出较好的鲁棒性.特别地,基于深度学习的人脸识别技术已广泛应用于安防、金融、教育、交通、新零售等应用领域.我们认识到,在人脸识别技术不断走向大众化的过程中,急需一些综述性的和普及性的文献来总结人脸识别技术的基本原理和基本方法.基于此,本文首先简要回顾了人脸识别的发展脉络,之后从人脸预处理、深度特征学习、特征比对、人脸数据集、评价标准五个方面重点介绍了基于深度学习的人脸识别技术.最后指出了人脸识别技术未来的发展趋势.