颗粒弥散和核-壳共存的TiCN基金属陶瓷的制备

为了制备具有良好综合力学性能的TiCN基金属陶瓷，研究了烧结温度对TiCN-HfN陶瓷微观结构和力学性能的影响，构建了颗粒弥散和核-壳共存的微观结构模型，揭示了材料的致密化机制、增硬机制、增韧补强机制。结果表明:在1 500℃下所制备的TiCN-HfN材料具有颗粒弥散与核-壳共存的微观结构，其中弥散的颗粒为HfN，核为TiCN，壳主要为(Ti, Hf, Mo)CN固溶体；材料具有较好的性能，其相对密度为99.7%、硬度为20.6 GPa、抗弯强度为1 682.5 MPa、断裂韧度为8.5 MPa·m1/2；其致密化机制主要为颗粒和金属液相填充到烧结颈实现致密化，增硬机制主要为致密化和颗粒钉扎强化增硬，增韧补强机制主要为颗粒弥散和颗粒钉扎增韧、骨架结构和颗粒钉扎增强。      

压电陶瓷表面硅钙复合膜的制备与表征

采用溶胶-凝胶法制备了硅钙复合溶胶，并在压电陶瓷表面制备硅钙复合膜，以改善水泥基压电陶瓷复合材料界面。确定了溶胶配比，研究了陈化、低温热处理和硅烷偶联剂对覆硅钙复合膜压电陶瓷接触角、压电和介电性能的影响。结果表明，硅钙复合溶胶中Ca与Si摩尔比>0.2时不利于成膜；提高陈化温度和延长陈化时间可明显减小硅钙复合膜的接触角；硅钙复合膜层数最佳为3层，烧结温度不大于160℃；加入微量硅烷偶联剂可有效改善膜层开裂。制备的硅钙复合膜接触角最小为27°，亲水性好。      

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.