基于深度强化学习的多模态医学图像配准

传统图像配准方法中,图像特征的表示和相似性测度的选择易受到人为因素的影响,不能准确地表征图像特征和配准图像的相似度,从而对配准结果产生较大误差.针对此问题,借助端到端的强化学习方法,对这2个部分进行隐式的表达,从而避免人工设计的缺陷.具体而言,设计了一个人工智能体模型,由策略网络和价值网络2部分组成,用以指导浮动图像朝着参考图像的方向正确移动,进而实现图像配准.提出使用异步表演者-评论家方法进行模型训练,以避免经验回放操作,降低模型训练对存储容量的要求并加快模型的收敛;同时提出一种奖赏函数,能够给予每个时间步上图像配准动作估计更为准确的奖励.此外,在测试阶段,使用了蒙特卡罗前向推理策略,进一步提高配准参数的准确性.在MR和CT的临床医学图像配准数据集上进行实验,与传统基于尺度不变性配准算法、基于深度学习配准算法等进行对照分析,实验结果表明,所提出的方法目标配准误差可以减少30%左右,同时能够更好地处理具有大幅度形变的配准问题.     

面向连续查询的敏感语义位置隐私保护方案

针对连续查询位置服务中构造匿名区域未考虑语义位置信息导致敏感隐私泄露问题，通过设计[(K,θ)]-隐私模型，提出一种路网环境下面向连续查询的敏感语义位置隐私保护方案。该方案利用Voronoi图将城市路网预先划分为独立的Voronoi单元，依据用户的移动路径和移动速度，选择具有相似特性的其他[K-1]个用户，构建匿名用户集；利用匿名用户集用户设定的敏感语义位置类型和语义安全阈值，以及用户所处语义位置的Voronoi单元，构建满足[(K,θ)]-隐私模型的语义安全匿名区域，可以同时防止连续查询追踪攻击和语义推断攻击。实验结果表明，与SCPA算法相比，该方案在隐私保护程度上提升约15%，系统开销上降低约20%。     

Suvorexant关键中间体的合成研究

以2-氨基乙醇(2)为原料,经Ns保护,与(R)-(3-羟丁基)-氨基甲酸叔丁酯(4)发生缩合反应,再经Mitsunobu关环与脱Ns保护反应,得到Suvorexant关键中间体1。总收率为57%,产物的结构经~1H NMR和MS分析确证,该方法操作简单、收率高、无手性异构体杂质产生。     

和利时M6系统在石化厂油品装置的应用

和利时M6系统是2014年最新的国产系统,在塔西南石化厂油品装置是第一次使用。在油品隐患治理项目,把石化厂油品装置的原来的DCS系统西门子S7-300改为了和利时M6系统。经过五个月的投用检验,和利时M6系统在石化厂油品装置的使用系统稳定,安全可靠。     

氢化物发生原子荧光光谱法测定一水合硫酸锰中的铅

采用水直接溶解样品,以铁氰化钾作为氧化剂,硼氢化钾作为还原剂,控制盐酸酸度为2％,铁氰化钾浓度为13 g/L,硼氢化钾浓度为12 g/L,建立了氢化物发生-原子荧光光谱法(HG-AFS)测定一水合硫酸锰(MnSO4·H2 O)中铅的方法.研究了样品溶液中锰的基体影响,结果表明:锰对铅的测定产生基体效应;该方法的线性范围为10～100 ng/mL,相关系数为0.9996;该方法用于一水合硫酸锰中铅的测定,结果与电感耦合等离子体质谱法相符,相对标准偏差(RSD)为1.7％ ～2.4％,加标回收率为94％ ～102％.本方法检测范围为铅含量0.0001％ ～0.001％,其能满足国家标准对饲料级和食品级硫酸锰中铅含量的要求.     

高强不锈钢绞线网与ECC黏结-滑移关系模型

高强不锈钢绞线网与ECC的黏结是二者协同工作的基础，且黏结 滑移关系模型是其黏结性能的综合反映，故通过对17组51个高强不锈钢绞网增强ECC薄板试件进行单边拉拔试验，研究横向钢绞线间距、纵向钢绞线直径和相对锚固长度等因素对钢绞线网在ECC中黏结性能的影响规律。试验结果表明，横向钢绞线的设置可使黏结破坏由脆性破坏转变为延性破坏；高强不锈钢绞线网与ECC的黏结滑移曲线可分为5个阶段，分别为上升段、微降段、延性强化段、下降段和残余段。基于试验结果，对钢绞线网在ECC中的黏结破坏特征和黏结 滑移机理进行分析，在相关黏结-滑移关系模型的基础上，提出钢绞线网与ECC的黏结 滑移关系模型，并进行模型参数分析。所提模型及模型参数计算公式与试验结果吻合良好，能较好地反映钢绞线网与ECC的界面黏结滑移特征。