基于迭代非对称盲点网络的低剂量CT重建算法

针对通过机器学习方法进行低剂量CT重建的算法过度依赖成对图例的问题，提出了一种基于迭代非对称盲点网络的低剂量CT重建算法。首先，通过像素混洗下采样盲点网络对低剂量CT进行自监督训练，得到初步重建的CT图像；其次，建立迭代模型，迭代使用前一网络得到的结果图像作为本网络的低剂量输入进行训练，以得到最终网络模型；最后，采用非对称的方式，对像素混洗下采样的步幅进行调整，以尽可能地减少混叠伪影，得到最终的可用模型。理论分析和实验结果表明，与传统低剂量CT重建算法相比，基于迭代非对称盲点网络算法可以极大地减少低剂量CT重建算法对成对图例的依赖，且其生成结果在在图像质量、纹理特征和结构方面优于传统方法。     

基于CFD的齿轮泵实际最优端面间隙确定方法

齿轮泵端面间隙是内泄漏和黏性摩擦损失最重要的影响因素,其大小主要由浮动侧板背面高压油压紧力与其所受端面油膜反推力平衡状态确定。针对某型号齿轮泵,考虑了端面间隙、油液含气量和油液蒸发等因素对反推力压力分布的影响,采用CFD方法计算获得常用工况下5组给定端面间隙对应的端面油膜反推力,由最小二乘法拟合得到间隙小范围变化时的端面油膜平均反推力线性化方程,求解现有总功率损失最小条件下最优端面间隙值,将其代入端面油膜平均反推力方程,反解出浮动侧板背面所需高压油压紧力。据此,通过调整浮动侧板背面高压区形状,使齿轮泵的实际端面间隙在常用工况下处于最优值。对实际工程中确定齿轮泵最优端面间隙具有重要的参考价值。     

基于时域-频域哈希编码的电网图像检索方法

电网数据信息的准确检索在保障电网系统正常运行方面起着非常重要的作用。快速准确地从电网图像数据库中查找到与目标图像相似度高的图像可以有效地提高电网工作人员的工作效率,降低设备维护成本。针对传统检索方法检索精度低的问题,提出了一种基于时域-频域的端到端哈希编码方法。最后,在2个数据集上将该方法与最新的8种方法进行了比较,实验结果表明该方法是有效的。该方法创新性地结合了频域信息,以提高预测正确率,且结合了多任务学习和距圆损失来更加清晰地约束哈希编码任务的训练过程,使图像检索结果更加准确。