LFSCA-UNet：基于空间与通道注意力机制的肝纤维化区域分割网络

目的 肝纤维化是众多慢性肝脏疾病的常见表现,如不及时治疗可发展为肝硬化甚至引发肝癌。肝纤维化的准确评估对临床治疗和预后评估等至关重要。目前,肝纤维化的诊断通过肝穿活检判断,有创且有并发症危险。为此,基于影像学的无创诊断方法越来越受到关注。本文提出一种基于通道注意力与空间注意力机制改进的用于肝纤维化区域的自动化分割U-Net （liver fibrosis region segmentation network based on spatial and channel attention mechanisms,LFSCA-UNet）。方法 依据Attention U-Net的改进方式,围绕U-Net的跳跃连接结构进行基于注意力的改进,在AG （attention gate）的基础上,加入以ECA （efficient channel attention）模块为实现方式的通道注意力机制,依据加入ECA的位置,LFSCA-UNet分为A、B、C共3个子型。结果 在肝数据集上与其他实验网络进行评估对比,本文提出的LFSCA-UNet网络结构平均Dice系数达到了93.33%,相比原始U-Net的Dice系数提高了0.539 6%。结论 本文方法将空间注意力机制与通道注意力机制进行结合,有效提高了肝纤维化区域的分割精度,对空间注意力模块使用通道注意力模块优化输入和输出,增加了网络的稳定性,提升了网络的整体效果。     

区域中小学教师“互联网+教育”的现状与教学策略

“互联网+”催生了基础教育的新型教育生态体系。梳理了区域中小学教师“互联网+教育”的现状,从优化教学 设计、提升教学体验、开放教学时空、完善教学管理四个方面探索中小学教师“互联网+教育”的教学策略,以期为中小学教师 开展教学实践和教育研究提供参考。     

一种基于分段偏最小二乘模型的土壤重金属遥感反演方法

土壤中重金属由于其毒性而成为最有害的环境污染物之一,利用遥感进行土壤重金属检测和分布制图是目前最为高效的手段。采用哨兵二号（Sentinel-2）多光谱影像与实测样品光谱数据,对山西省铜矿峪铜矿尾矿库及其周边农田土壤的铜（Cu）含量进行估算,利用68个土壤样品的反射光谱,优选出适合土壤铜含量预测的波段,结合分段偏最小二乘法（Piecewise Partial Least Squares Regression,P-PLSR）,对土壤铜含量进行估算,将模型用于Sentinel-2影像获得了Cu含量的空间分布。通过P-PLSR对实测样品光谱建模反演Cu含量的决定系数（R²）为0.89,预测偏差比（RPD）为2.82;利用Sentinel-2多光谱影像获得了该区域Cu元素含量空间分布,其Cu含量的估算精度R²为0.74,RPD为1.73,Cu含量高值区空间分布与尾矿库关系密切。Sentinel-2多光谱数据具有高空间分辨率（10、20和60 m）、高时间分辨率和幅宽大（290 km）等优势,通过敏感波段选择并建立反演模型,可实现大范围土壤环境制图。     

空洞弧段引导下异构传感网的覆盖优化策略

应对异构传感器网络部署时引发的随机空洞与冗余均衡问题,论文提出一种空洞弧段引导下异构传感网的覆盖优化策略(Coverage Optimization Strategy of Heterogeneous Sensor Network guided by Hollow Arc,CHHA).节点仅以自身邻居信息为支撑剖分覆盖圆周,对弧子段特性进行分析,从而评估邻接空洞,并将其串连勾勒;节点基于可视范围内的弧段信息,完成自我冗余判断与修补适配评估,继而选择增容式自修复或招募式调配修复策略以补偿空洞弧段.论文提出的方法相较于常规将空洞识别与修复问题进行各自假设的分割研究,仿真实验表明:CHHA算法针对随机出现的感知空洞,给出了探测、勾勒至修复的全流程方案,在包容异构通信差异的同时,实现了本地化的空洞识别和低耗适配的空洞修补.     

基于卷积神经网络的水稻病虫害识别分类系统设计与实现

为解决人工识别水稻病虫害效率较低、识别精度不高、防治响应不及时的问题,提出了基于深度学习开发水稻病虫害识别方法,搭建了实验平台,利用TensorFlow内置Keras模块构建卷积神经网络的图片识别分类系统.测试数据表明,该平台对八种常见水稻病虫害的识别准确率达到97％以上,可以实现用户上传水稻病虫害图片,系统模型自动对水稻病虫害种类进行识别,并有针对性地进行病虫害的防治,有利于水稻病虫害快速高效的治理.     

基于深度强化学习的黑盒对抗攻击算法

针对图像识别领域中的黑盒对抗攻击问题,基于强化学习中DDQN框架和Dueling网络结构提出一种黑盒对抗攻击算法。智能体通过模仿人类调整图像的方式生成对抗样本,与受攻击模型交互获得误分类结果,计算干净样本和对抗样本的结构相似性后获得奖励。攻击过程中仅获得了受攻击模型的标签输出信息。实验结果显示,攻击在CIFAR10和CIFAR100数据集上训练的4个深度神经网络模型的成功率均超过90%,生成的对抗样本质量与白盒攻击算法FGSM相近且成功率更有优势。     

有效开展Java程序设计线上教学方法探索

2020年初,为应对疫情并保证教学进度,各校纷纷开展线上教学以满足学生在家学习的需求.文章通过分析Java程序设计课程线上教学的特点及困难,借助"雨课堂"和传智播客教辅平台,在授课形式和考核指标等方面进行调整和探究.教学实践表明,调整后的教学模式能有效地保证各环节的教学效果,提高了师生互动性.该模式可为其他课程的在线教学提供参考.     

试谈中职《数据库技术》的课程建设

《数据库技术》是网络信息安全专业核心课程。本文参照2020年沧州工贸学校"三说"达标活动的评分标准,结合我校计算机教研组教学实践,分别从课程的性质与作用、课程整体设计思路、课程教学内容与选取、学情分析、教学模式与教学手段、教学资源与条件等方面进行了课程设计。为数据库基础课程建设、教学诊断与改革、人才培养等奠定基础。     

一种基于SMOTE的不平衡数据集重采样方法

不平衡数据集是指在数据集中,某一类样本的数量远大于其他类样本的数量,其会影响分类结果,使基本分类器偏向多数类.合成少数样本过采样技术(SMOTE)是处理数据不平衡问题的一种经典过采样方法,以两个少数样本对应的线段为端点生成一个合成样本.提出一种基于SMOTE的少数群体过采样方法,改进生成新样本的方式,在合成样本的过程中参考两个以上的少数类样本,增加合成样本的多样性.实验结果表明,在不同的基本分类器下该方法可以获得更好的接收者操作特征曲线面积(ROC-AUC)和稳定性.     

基于故障树分析法的北斗装备定位异常分析

随着北斗卫星导航系统在军事中的应用越来越深入,北斗装备定位异常对北斗军事效能的制约也越来越明显.针对北斗装备定位异常进行研究,有助于提升装备的使用效能.对北斗装备定位异常的主要表现形式进行描述.采用故障树分析法对北斗装备定位异常进行了系统分析,通过建立北斗装备定位异常的故障树,理清影响北斗装备定位的因素及其逻辑关系.在详细分析各类因素影响及发生可能性的基础上,有针对性地提出了装备使用建议,对北斗装备的使用维护及定位异常的分析排查具有较高的应用参考价值.