利用深度学习网络对医学影像分类识别的比较研究

计算机辅助诊断技术在临床医学中具有实际意义.分别以肺结节和髋关节骨折影像为典型的区域和边界特征影像,讨论其在不同网络中的适用性.首先,对肺结节CT图像和髋关节X-ray骨折图像进行信息标注,并分别以CNN,Resnet,DBN和SGAN预训练并调参至最优,通过Softmax分类器完成分类识别.其次,以图像空间分辨率和噪声作为不同深度学习网络的比较特征,从深度学习网络结构等方面分析了识别率.仿真实验结果表明,Resnet在数据集皆有优异表现,且具有良好的泛化能力和鲁棒性.     

周期荷载下岩石分数阶黏弹塑性本构模型研究

为研究周期荷载下岩石疲劳变形特性,基于分数阶微积分构建分数阶黏壶,将分数阶黏壶替换西原模型黏塑性体中的一般黏壶,并在西原模型中串联一个黏性元件,分别建立了可描述周期荷载下岩石变形规律的一维和三维分数阶黏弹塑性本构模型。在高动应力状态下,模型为反映岩石减速、等速、加速3个变形阶段变形规律的岩石分数阶黏弹塑性疲劳本构模型;反之,则为反映岩石减速、加速变形规律的Burgers模型。对既有的岩石疲劳试验结果拟合表明:基于分数阶黏弹塑性模型所建立的岩石疲劳本构方程可较好地描述周期荷载下岩石各种变形特征,拟合系数在0.96以上。研究成果可丰富岩石力学理论,为相关研究提供参考。