两种含双稠杂环化合物的合成

研究了 3(3’-氯苯基 ) - 4 -氨基 - 5-巯基 - 1 ,2 ,4-三唑 ( a)和 3(3’-吡啶基 ) - 4 -氨基 - 5-巯基 - 1 ,2 ,4-三唑 (Ib)在 POCl3存在下 ,分别和己二酸反应 ,制得了两种含双稠杂环的化合物 ;1 ,4-二 [6- (3-氯苯基 )均三唑并 [3,4- b]- 1 ,3,4-噻二唑 - 3-基 ]正丁烷( a)和 1 ,4- (6- 3-吡啶基 )均三唑并 [3,4- b]- 1 ,3,4-噻二唑 - 3-基正丁烷 ( b) ,并利用EA,IR,1H NMR等确认了其结构。     

脉冲激光沉积法制备立方焦绿石结构的Bi1.5ZnNb1.5O7薄膜

采用固相反应法合成具有焦绿石立方结构的Bi1.5ZnNb1.5O7(BZN)陶瓷靶材,采用脉冲激光沉积法在Pt/SiO2/Si(100)基片制备立方BZN薄膜。研究了随衬底温度的变化,薄膜的结晶性能,微观形貌以及介电性能的差异。结果表明当衬底温度在550~650℃时,薄膜具有纯的立方BZN结构,并且在600℃时薄膜的晶粒发育比较完整,此时薄膜具有较高的介电常数和较低的损耗。     

IPTV宽带增值业务的新热点

近年来IPTV在日本、台湾、香港等地都相继取得了成功，对促进宽带业务发展。提高运营收入起到了很大的作用，并已经引起各地运营商的广泛关注。IPTV利用电视机作为显示终端，通过机顶盒接人宽带网络，可以向用户提供数字广播电视、VOD点播、视频录像、在线游戏、电视上网、收发邮件等诸多宽带业务，     

融合型UNet++网络的超声胎儿头部边缘检测

目的 超声胎儿头部边缘检测是胎儿头围测量的关键步骤,因胎儿头部超声图像边界模糊、超声声影造成图像中胎儿颅骨部分缺失、羊水及子宫壁形成与胎儿头部纹理及灰度相似的结构等因素干扰,给超声胎儿头部边缘检测及头围测量带来一定的难度。本文提出一种基于端到端的神经网络超声图像分割方法,用于胎儿头部边缘检测。方法 以UNet++神经网络结构为基础,结合UNet++最后一层特征,构成融合型UNet++网络。训练过程中,为缓解模型训练过拟合问题,在每一卷积层后接一个空间dropout层。具体思路是通过融合型UNet++深度神经网络提取超声胎儿头部图像特征,通过胎儿头部区域概率图预测,输出胎儿头部语义分割的感兴趣区域。进一步获取胎儿的头部边缘关键点信息,并采用边缘曲线拟合方法拟合边缘,最终测量出胎儿头围大小。结果 针对现有2维超声胎儿头围自动测量公开数据集HC18,以Dice系数、Hausdorff距离（HD）、头围绝对差值（AD）等指标评估本文模型性能,结果Dice系数为98.06%,HD距离为1.21±0.69 mm,头围测量AD为1.84±1.73 mm。在妊娠中期测试数据中,Dice系数为98.24%,HD距离为1.15±0.59 mm,头围测量AD为1.76±1.55 mm。在生物医学图像分析平台Grand Challenge上HC18数据集已提交结果中,融合型UNet++的Dice系数排在第3名,HD排在第2名,AD排在第10名。结论 与经典超声胎儿头围测量方法及已有的机器学习方法应用研究相比,融合型UNet++能有效克服超声边界模糊、边缘缺失等干扰,精准分割出胎儿头部感兴趣区域,获取边缘关键点信息。与现有神经网络框架相比,融合型UNet++能充分利用上下文相关信息与局部定位功能,在妊娠中期的头围测量中,本文方法明显优于其他方法。     

维生素D衍生物的临床应用及合成方法

维生素D及其衍生物不仅可以作为治疗疾病的药物,而且也可以成为化学合成的原料。现在有些维生素D及其衍生物已经作为商品投放在市场上,并对临床研究和工业合成做出了巨大的贡献。对目前临床做出贡献的维生素D衍生物马沙骨化醇、度骨化醇、帕立骨化醇、骨化三醇、卡泊三醇和他卡西醇在临床方面的应用及合成路线进行了介绍,对药物的开发提供参考,并进一步提出未来药物开发的前景。     

基于侧链连接卷积神经网络的手掌静脉图像识别

针对手掌静脉图像数量少且质量参差不齐,进而导致掌脉识别系统的性能降低的现象,提出一种基于侧链连接卷积神经网络的手掌静脉图像识别方法。首先,在ResNet模型的基础上,用卷积层和池化层提取掌脉特征。然后,采用指数线性单元（ELU）激活函数、批归一化（BN）和Dropout技术来改进和优化模型,以缓解梯度消失、防止过拟合、加快收敛及增强模型泛化能力。最后,引入稠密连接网络（DenseNet）,使提取到的手掌静脉特征更具丰富性和有效性。在两个公开库和一个自建库上分别进行实验,结果表明所提方法在三个数据库上的识别率分别为99.98%、97.95%、97.96%。可见该方法能有效提高掌脉识别系统的性能,且更适用于掌脉识别的实际应用。     

基于IGGIII方案的自适应渐消卡尔曼滤波器

渐消卡尔曼滤波器滑动采样区间长度[N]的取值为单一定值,难以实现滤波精度与动态性之间的平衡。针对该问题,提出了一种基于IGGIII方案的自适应渐消卡尔曼滤波器。该滤波器进行新息异常卡方检测,通过构建一个类似于IGGIII权函数的三段式滑动采样区间长度[N]的取值函数,实现滑动采样区间长度[N]的自适应优化选取,提升滤波精度。Matlab仿真结果证明,基于IGGIII方案的自适应渐消卡尔曼滤波器在系统稳定情况下滤波结果更加精确,系统模型参数发生变化时具有更好的动态性,能够实现滤波精度与动态性之间的平衡。     

用于图像分割的多分类高斯混合模型和基于邻域信息的高斯混合模型

高斯混合模型是一种简单有效且被广泛使用的图像分割工具。然而,传统的高斯混合模型在混合成分个数确定时的拟合结果不够精确;此外,由于没有考虑像素间的空间关系,导致分割结果易受噪声干扰,且分割精度不高。为弥补传统高斯混合模型的缺陷,文中提出多分类高斯混合模型和基于邻域信息的高斯混合模型用于图像分割。多分类高斯混合模型对传统混合模型进行二重分解:传统混合模型由M个分布加权混合得到,多分类混合模型进一步将M个分布中的每一个分布分解成R个分布。即多分类高斯混合模型由M个高斯分布混合组成,而这M个分布分别由R个不同的分布混合得到,提高了模型的拟合精度。基于邻域信息的高斯混合模型通过对模型中的先验概率和后验概率添加空间信息约束,增强了像素间的信息关联和抗噪性。采用结构相似性、误分率和峰值信噪比等指标来评价分割结果。通过实验发现:与现有的混合模型分割方法相比,文中方法大幅提高了分割精度,且有效地抑制了噪声干扰。     

绿色化学研究进展

绿色化学是解决环境问题、实现可持续发展的有效途径。本文从溶剂、催化剂等化学反应条件方面总结了近几年来的绿色化学研究进展。最后分析了绿色化学当前存在的问题及其发展方向。