海计算模式下森林火焰识别算法的实现

针对传统森林防火方法中耗能低效的问题,讨论了海计算模式下森林防火的意义,并提出了海计算模式下森林火焰识别算法的实现.首先根据感知端的特点使用Qt/Embedded设计,再依据森林火焰的特点使用24比特加色模型和Sobel算子实现色彩和区域判定,最后把结果反馈到汇聚节点.该算法能自动对视频捕获的图像进行分析计算并能自动反馈结果,在传感端就完成了火情判别.经实验验证,相比传统的森林防火方法,该算法不仅实现了森林火灾的即时检测和识别,同时也实现了高准确率和低耗能.     

射流管伺服阀射流管放大器的流场解析

运用FLUENT软件对射流管伺服阀的射流管放大器进行了三维流场解析,获得了射流管放大器在不同偏转角时的恢复压力和恢复流量,用二次函数拟合获得了恢复压力及恢复流量数学模型,并分析了射流管放大器内流道结构对其静态性能的影响.本研究对于射流管伺服阀的数字化模型构建、设计及性能预测具有一定的参考价值.     

外界磁场对磁流变阻尼器阻尼特性的影响

针对磁流变阻尼器受到外界磁场作用时,阻尼特性发生变化导致其控制精度变差的问题.该文提出分析不同方向的外界磁场对磁流变阻尼器阻尼特性影响的理论方法,设计线性磁场发生器模拟外界磁场环境,通过实验对理论进行验证.理论与实验结果表明:当磁流变阻尼器受到与活塞运动方向垂直的外界磁场作用时,阻尼特性不受影响;当磁流变阻尼器受到与活...     

基于条件对抗时空编码器的肺部肿瘤纵向预测方法

肿瘤位置以及生长变化的观测是肿瘤治疗方案的制定中的重要环节. 基于医学图像的干预手段以一种非侵入方式, 能够直观地观察到患者体内肿瘤状态, 来预测肿瘤的生长情况, 从而帮助医师建立适应于患者特定的治疗方案. 提出了一种全新的深度网络模型——条件对抗时空编码器模型来预测肿瘤生长情况. 该模型主要分为3个部分, 肿瘤预测生成器, 相似度得分鉴别器以及由患者个人情况组成的条件. 肿瘤预测生成器会根据两个时期的肿瘤图像预测出下一个时期的肿瘤, 相似度得分鉴别器用来计算预测出的肿瘤与真实肿瘤之间的相似性, 另外, 使用了患者的个人情况作为条件加入到肿瘤生长预测过程中. 该模型在收集到的两个医学数据集上进行实验验证, 实验结果的召回率达到了76.10%, 精准率达到了91.70%, Dice系数达到了82.4%, 表明该模型可以精准地预测出下一个时期的肿瘤影像.     

多分支深度特征融合的中医脑卒中辅助诊断

目的 脑卒中发病征兆不明显,发病速度快且致死率高,目前医学领域的主要诊疗手段仍是针对脑卒中病时和病后,但在病前预测方面缺少有效办法。中医对于治未病等效果显著,其中望诊更是中医诊疗的重要方式。本文结合中医望诊,基于面部与手部图像提出了一种多分支深度特征融合的中医脑卒中辅助诊断方法。方法 针对不同部位图像,分别构建两部位的双分支特征提取模块,将面部和手部的重点区域作为主体分支提取主要特征。根据中医望诊在面部与手部诊疗的特点,进一步将眉心的纹理特征和掌心的颜色特征作为辅助信息提取辅助特征;在此基础上提出信息交互模块（information interaction module,IIM）,将主要特征与辅助特征进行有效信息交互,从而辅助主体分支提取更有区别性的信息;最终将两部位的特征进行融合降维用于脑卒中辅助诊断。结果 本文将采集的3 011例面部和手部图像数据进行筛查扩充后作为实验数据集,并在不同评价指标下与当前主流的分类模型进行对比。实验结果表明,本文方法在准确性上达到了83.36%,相比ResNet-34、DenseNet121、VGG16（Visual Geometry Group 16-layer net）和InceptionV3等其他主流分类模型性能提高了3%~7%;在特异性和敏感性方面分别为82.47%和85.10%,其效果优于对比方法。结论 本文方法能够有效结合中医望诊的诊疗经验并通过传统面部和手部图像实现对脑卒中的有效预测,为中医望诊在脑卒中方面的客观化和便捷化发展提供了帮助。     

基于Web数据的本体概念抽取

本体论(Ontology)在知识管理及语义网(Semantic Web)中越来越重要,但建造本体往往需要耗费大量的时间,且建造完成后本体的维护对知识管理者来说也是费时的工作。自动创建领域Ontology可以克服手工方法的不足,成为当前的研究热点之一;而概念是本体中最重要的组成部分之一,从半结构化的Web文档中自动抽取概念的效率和准确度的高低,直接决定了自动建造的本体的质量,提出一种自动的本体概念抽取模型,此模型不依赖于领域词典或核心本体,并且能达到快速有效地通过对中文Web文本挖掘自动地构建及更新领域本体概念的目的。     

面向对象测试代码复用算法与工具

本文主要研究面向对象软件系统的自动化测试代码的复用问题。复用测试代码是基于建立的方法测试用例。当创建了一个方法的测试用例之后,可以发现这个用例可在其他相 关方法的测试过程中起到多种作用。这个生成的测试用例可以作为另一个方法测试输入的对象参数,或者作为一个主测试对象以调用其方法。我们设计了一个可自动生成复用用测试代码的算法,并应用于一个微软平台上的对象测试自动化工具的研发过程中。     

基于双模态深度自编码的孤立性肺结节诊断方法

近年来,深度学习技术在肺癌诊断方面得到了广泛的应用,但现有的研究主要集中于肺部CT图像。为了有效提高肺结节的诊断性能,提出一种基于双模态深度降噪自编码的肺结节诊断方法。首先,分别从肺部CT和PET图像中得到肺结节区域的特征信息;然后,以候选结节的PET/CT图像作为整个深度自编码网络的输入,并对高层信息进行学习;最后,采用融合策略对多种特征进行融合并将其作为整个框架的输出。实验结果表明,提出的方法可以达到92.81%的准确率、91.75%的敏感度和1.58%的特异性,且优于其他方法的诊断性能,更适用于肺结节良/恶性的辅助诊断。     

多输入卷积神经网络肺结节检测方法研究

针对传统计算机辅助诊断系统中肺部结节检出过程复杂,检出结果依赖于分类前期每个步骤的性能,以及存在假阳性率高的问题,提出了一种基于卷积神经网络的端到端的肺结节检测方法。该方法首先使用大量带标签的肺结节数据对构建的多输入卷积神经网络进行训练,实现从原始数据到语义标签的有监督学习。然后采用快速边缘检测方法和二维高斯概率密度函数构建候选区域模板,从待检测CT序列中获取候选区域并将其作为多输入卷积神经网络的输入数据。最后采用判定阈值实现疑似肺结节区域标注,同时在相邻的CT影像中进行重点检测。在LIDC-IDRI数据集上的大量实验结果表明,所提方法在肺部CT影像中对微、小结节的检出率较高;同时,重点检测模板能够小幅降低微、小结节检测的假阳率。