体绘制技术在剂量三维可视化中的应用

本文基于光线投射方法的体绘制三维可视化用技术,在光线投射采样过程中,对阻光度分别基于CT值自动分类和手动自定义分类,基于感兴趣区进行自定义分类,对颜色值分量分别基于剂量值进行自动分类,基于处方剂量进行自定义分类.这些分类方式及不同组合,使医生可以根据临床需要对阻光度及颜色进行定义,从而使得剂量分布可以基于需要进行三维可视化显示,从而使医生能更直观地判断相关组织的剂量分布情况.此外,由于基于光线投射理论的体绘制技术无需构造中间几何图元,使得基于患者CT图像体数据的三维可视化细节更加清晰.     

断口表面粗糙度的定量分析

利用互成１２０°角均匀垂直切割断口表面的方法对典型的低温冲击断口进行了定量测量．对于曲折程度不同的断口表面应选取不同的放大倍数，放大倍数选取适当，测得的断口表面粗糙度Ｒ_Ｓ才与材料的冲击值相对应．利用此种测量方法，通过Ｒ_Ｓ与Ｒ_Ｌ的系数转换，还可较好地测定断口表面面分数维Ｄ_Ｓ．把该方法测得的Ｒ_Ｓ值与用Ｗｒｉｇｈｔ和Ｓｏｕｄａｎｉ导出的两种Ｒ_Ｓ－Ｒ_Ｌ关系式算出的Ｒ_Ｓ值相比较，进一步证实了该方法的有效性。此外还提出了一种利用断口镀层厚度来估计Ｒ_Ｓ的方法．     

基于主题相似性聚类的自适应文本分类

传统的文本分类方法仅使用一种模型进行分类,容易忽略不同类别特征词出现交叉的情况,影响分类性能。为提高文本分类的准确率,提出基于主题相似性聚类的文本分类算法。通过CHI和WordCount相结合的方法提取类特征词,利用K-means算法进行聚类并提取簇特征词构成簇特征词库。在此基础上,通过Adaptive Strategy算法自适应地选择fasttext、TextCNN或RCNN模型进行分类,得到最终分类结果。在AG News数据集上的实验结果表明,该算法可较好地解决不同类别特征词交叉的问题,与单独使用的fasttext、TextCNN、RCNN模型相比,其文本分类性能显著提升。     

基于ST-DCGAN的时序交通流量数据补全

时序交通流量数据作为一种新型城市数据,对智能交通和智慧城市的发展有着重要的意义,但是由于各种原因使得收集的交通数据存在大量的缺失,因此如何有效地补充缺失流量数据成为目前急需解决的问题。提出的ST-DCGAN模型利用了基于DCGAN网络的思想,引入补全损失函数和判别损失函数作为模型新的目标函数,通过生成器和鉴别器相互博弈的原理学习区域流量数据之间的时空特征性,在常规的缺失数据补全的基础上利用数据生成思想进行了区域时序交通流量数据的补全,从而为交通流量缺失值提出一种新的补全方法。实验以北京TaxiBJ GPS开源数据集为基础,并用RMSE评估函数分析上述算法对缺失交通流量补全的效果,实验结果表明提出的方法与所比较补全方法相比,效果更好。     

基于Android的移动化学计算平台研究

化学发现较多地依赖于研究者的经验与创意。随着信息技术的进步,计算化学作为化学的一个分支也在迅速地发展。移动互联网和云计算的出现使计算突破了时间和空间的制约,为计算化学提供了新的发展空间。本文研究并开发了一个基于Android的化学数据计算移动平台,实现了化学项目管理、数据分析以及数据查询等功能。项目管理包括项目创建、项目修改、项目删除和项目查询。在创建面向实验的项目时,本平台支持对化学方程式的编辑,在确定反应物和生成物的分子式后,系统将自动计算分子量并配平方程式。数据分析是对实验或计算结果进行处理和分析,包括计算化学反应的转化率、产率,对数据进行中心化、对数化等预处理,以及数据拟合与回归等,同时引入了图形化显示技术,可直观反映各种因素之间的关系。数据查询包括元素周期表查询、平台存储化合物查询和在线化合物数据库查询。在平台内部,构建了一张电子元素周期表,能够完成元素查询以及相关计算的自动检索:同时存储了与化学项目相关的化合物信息,并提供了一些常用在线化学数据库链接以扩展平台的功能。测试表明,所研发的移动化学计算平台实现了预期功能,性能稳定。     

旋转不变的X线图像相关度拼接

针对现有X线图像拼接方法中分别存在的需要固定标志物、鲁棒性差及全景图像存在伪影等问题,提出一种旋转不变的图像自动拼接方法.基于特征点配准,结合改进的、旋转不变的相关度法进行特征匹配,对图像重合度要求较低.在图像融合中则采用2维动态权值和平衡曝光度等策略.经实验验证,本文配准算法在保证结果准确性的同时提高了鲁棒性;本文融合算法可有效地平衡曝光度差异,并避免拼接伪影,极大地提高了全景图像质量.     

基于CT图像的三维拓扑细化算法及其在心脏CAD中的应用

提出了一种基于形态学的提取物体中轴线的连续三维细化及其后处理算法，通过迭代从物体外层逐层擦除六类简化点，最终得到物体的中轴线。然后对细化曲线进行了剪枝处理，消除了毛刺，为后续分析算法提供更为准确的中轴线。最后应用体模对算法实现的结果进行了验证和评估。该算法已成功应用到心脏CAD血管分析之中。     

CT影像中一种基于知识的脊髓自动提取方法

基于CT影像人体结构的特征知识,提出了用3个主要步骤实现脊髓的自动提取功能.并在检测脊髓概率区关键步骤中,基于脊髓及其周围结构的特征知识,建立了一个全新的特征模型进行脊髓内一点的检测,并基于该点进行区域增长得到脊髓概率区,进而在脊髓概率区内实现脊髓的检测.在临床60例患者CT图像序列的试验中,躯干轮廓检测率全部达到100％,脊髓概率区的检测率有2例为99％,其余均为100％,基于脊髓概率区的脊髓检测率全部可以达到100％.引入特征模型自适应修正,可以实现全部60例患者CT图像序列脊髓的自动提取.运行于笔记本平台上,患者CT图像序列脊髓检测时间可以达到3 s左右,完全满足临床要求.脊髓自动提取功能的实现,避免了临床放疗医师进行手动勾画的烦琐工作,同时也降低了勾画结果对放疗医师技术水平的依赖,在临床放射治疗领域具有重要意义.