2019年河南淅川ML 4.2地震震源深度测定

采用震源深度测定的确定性方法（PTD）和震源机制CAP反演法,对2019年11月30日河南淅川丹江口水库发生的M_L 4.2地震进行分析,重新计算了此次地震的震源深度。结果表明,2种方法所得到的震源深度基本一致,均约为7.0 km,与中国地震台网中心统一编目结果（7.1 km）相差不大,此结果可能表明地震监测台网相对较好的情况下,用不同方法测得的震源深度相差不大。     

基于深度能量模型的低剂量CT重建

降低计算机断层扫描（CT）的剂量对于降低临床应用中的辐射风险至关重要,深度学习的快速发展和广泛应用为低剂量CT成像算法的发展带来了新的方向。与大多数受益于手动设计的先验函数或有监督学习方案的现有先验驱动算法不同,本文使用基于深度能量模型来学习正常剂量CT的先验知识,然后在迭代重建阶段,将数据一致性作为条件项集成到低剂量CT的迭代生成模型中,通过郎之万动力学迭代更新训练的先验,实现低剂量CT重建。实验比较,证明所提方法的降噪和细节保留能力优良。      

深度学习重建算法在上腹部CT成像中的应用

目的:通过分析比较自适应统计迭代重建（ASIR）算法和深度学习重建（DLIR）算法在上腹部CT成像中的图像质量,探讨DLIR算法在上腹部CT成像中的应用价值。方法:回顾性纳入75例患者上腹部CT平扫图像,利用自适应统计迭代重建算法ASIR（30％、50％、70％、90％）和深度学习重建算法（DL-L、DL-M、DL-H）重建图像,共7组。测量每组图像肝脏、胰腺、竖脊肌的CT值和SD值,并计算信噪比（SNR）和对比噪声比（CNR）,采用单因素方差分析对各指标进行客观评价;同时由两位放射医师对图像质量和噪声评分,采用Friedman M检验进行比较。结果:①七组重建图像的SD值、SNR、肝脏CNR差异有统计学意义。②DL-L与ASIR 50％、DL-M与ASIR 70％、DL-H与ASIR 90％ 间各ROI处CT值、SD值、SNR值、CNR值无差异。③三种深度学习重建算法间随等级升高,SNR值升高,差异有统计学意义;且DL-H 算法的SNR值高于ASIR 30％、ASIR 50％,SD值低于除ASIR 90％ 外的其余5组重建算法。④七组图像主观评分差异有统计学意义,算法DL-H具有最佳的图像质量和最低的噪声,DL-M、ASIR 90％、DL-L、ASIR 70％、ASIR 50％、ASIR 30％ 图像噪声依次增加。结论:深度学习重建算法能够降低上腹部图像噪声,提高图像质量,且随等级升高,图像噪声降低、质量提高、信噪比升高。      

基于地震属性约简的深度学习储层物性参数预测:以莺歌海盆地乐东区为例

储层物性参数作为描述储层特性、储层建模和流体模式的重要指标,其准确估算可以为储层预测提供有力参考依据,但传统储层物性参数反演方法无法兼顾反演精度及空间连续性。针对上述问题,本文引入地震属性作为深度学习算法输入,针对地震属性之间存在的信息冗余特征,利用随机森林-递归消除法对地震属性进行约简预处理,最终建立一种基于地震属性约简的储层物性参数预测方法。实际数据测试结果表明,地震属性约简的深度学习储层物性参数预测结果具有良好的精度及横向分辨率,证实本文方法的有效性。      

膝关节三维磁共振影像语义分割的可行性研究

MR三维图像的全膝自动分割对膝骨关节炎疾病的诊断、指导和治疗具有重要意义。然而,膝关节的三维MR图像中涉及多种多样的解剖结构,人工勾画费时耗力;全膝自动分割不但节省人力,且可以通过更准确的细节勾画来提高关节炎的诊疗质量。现有的膝关节分割方法只关注众多解剖结构中的一个或几个结构,无法提供全膝分割的结果。本文研究基于三维神经网络的全膝分割方法,并致力于应对以下挑战:①在三维 MR图像上对包括骨骼和软组织在内的全膝15个解剖结构进行端到端分割;②前交叉韧带等小结构的鲁棒分割,前交叉韧带仅占全膝体积的0.036％ 左右。在基于脂肪抑制三维各向同性中等权重VISTA序列的膝关节MR图像上,验证本文方法的平均分割精度为92.92％,其中9种结构的Dice相似系数在94％ 以上,5种结构在87％～90％ 之间,剩余1种结构在76％ 左右。      

2021年11月17日江苏大丰海域MS5.0地震震源深度对比分析

选取江苏测震台网震中距2°以内18个地震台站记录清晰的波形资料,使用单纯形、LocSAT、HypoSAT地震定位方法,分别采用华南速度模型、郯庐断裂带中南段速度模型以及IASP91全球速度模型,重新测定江苏大丰海域M_S5.0地震震源深度,对获取的深度值进行对比分析。结果表明:3种地震定位方法测定的震源深度结果接近,约为11 ± 2 km;HypoSAT定位方法计算结果较为稳定,IASP91、郯庐断裂带中南段模型均适用于该区域震源深度计算。      

远震与极远震部分震相的幅值-震级-震中距-深度建模与应用研究

不同震相具有不同的振动特性和传播规律,对应各自不同的幅值-震中距-深度衰减规律,本文基于禁核试核查国际数据中心公报,统计P,PcP,PKP,PKPbc及PKPab远震和极远震震相样本随震中距的分布,运用基于残差统计的迭代方法回归上述震相的幅值-震级-震中距-深度模型,通过震级残差标准差与均值的统计进行模型评估,结果显示:P,PcP,PKP,PKPbc及PKPab震相的震级残差标准差范围为0.30—0.36,满足一般震相相容性判断的需求;除PKPbc的残差均值大于0.03外,其余震相残差均值均为0.01左右,模型的系统偏差极小,甚至可以忽略不计。最后针对模型进行了幅值预测比对、震级相容性检测、极远震体波震级计算等三个不同场景的应用研究,验证模型可用于日常地震监测。      

基于深度学习的地震震级分类

为了探索地震加速度时程记录的震级信息,训练卷积神经网络基于地震震级大小对地震记录进行分类,将K-NET和KiK-net中将近12万个地震记录作为样本,对其进行信息筛选和归一化,之后将地震加速度时程记录用作输入,训练卷积神经网络模型以M5.5为分类界限来区分大震和小震。结果显示,在训练集中基于该模型的分类准确率为93.6％,在测试集中的准确率为92.3％,具有良好的分类效果,这表明大震记录与小震记录之间存在一些根本的区别,即可通过地震动加速度时程记录获取一定的震级信息。      

多尺度分割和深度学习相结合的倾斜摄影三维影像建筑物震害信息提取

采用多尺度分割和深度学习相结合的方法对震后倾斜摄影三维影像建筑物震害信息进行提取,获取建筑物的屋顶和墙体多种破坏信息。以2017年九寨沟M_S7.0地震后倾斜摄影三维影像为例,依据三维影像建筑物顶面和墙体等进行样本的多尺度分割,样本分为完好建筑物面、破坏建筑物面、其它地物和背景等三类,选取211个100×100像素的样本集对卷积神经网络模型进行训练,采用训练后的模型提取灾区千古情风景区和漳扎镇小学的建筑物震害信息,并将提取结果与目视解译结果进行精度对比,结果显示:破坏建筑物面提取精度分别为65.5%和71.1%,总体分类精度分别为82.1%和84.1%,卡帕（Kappa）系数分别为68.7%和64.9%,表明该方法在倾斜摄影三维影像建筑物震害提取方面具有一定的优势。      

2022年1月8日青海门源MS6.9地震余震序列自动处理结果探讨

使用2022年1月8日青海门源M_S6.9地震前3天及后7天甘肃地震台网固定台站和邻省共享台站记录到的连续波形数据,利用RISP系统自动检测余震序列,并将检测结果与人工编目结果进行对比分析.结果表明:自动编目与人工编目定位结果基本一致,震中位置差(3.9±1.51)km,震级差值M_L(0.17±0.22);自动编目结果的发震时刻普遍略早于人工目录,但两种目录中大部分余震发生时刻的差值在2s内.自动编目产出速度快,且能检测人工无法识别的微小余震,提高了目录完备性.综合来看,自动编目系统产出结果符合预期目标,可为震群趋势判断、破裂过程快速反演等相关科学研究提供数据支撑.