基于U-Net的多尺度融合视网膜血管分割算法

针对眼底血管图像具有形状多样、分叉较多、曲度复杂的特点,提出了一种多尺度融合视网膜血管分割算法.该算法基于U-Net模型进行改进,首先在编码和解码部分使用短跳跃连接模块将网络浅层和深层的特征信息进行融合,通过增加浅层特征的权重,更多地保留了血管的边缘和细微结构信息.其次在编码部分采用空洞卷积构建空洞空间金字塔池化模块代替传统卷积块,来扩大算法的感受野,从而在不增加网络参数的同时进行多尺度特征融合,提取更丰富的空间信息.通过在DRIVE数据集上进行验证,实验结果表明:本算法的准确率和AUC值分别达到0.9572、0.9811,与U-Net等其他基于深度学习的算法相比分割效果更优,从而验证本算法在视网膜血管分割中更加有效.     

一种在扩散加权图像降噪中的算法

扩散加权图像中的噪声为莱斯噪声并且图像本身含有丰富的边界信息,因而要求对DWI图像有效降噪的同时,能够较好地保留图像的边界信息。由于BEMD算法可将图像分解为细节图像及余项图像,其所分解的细节图像包括DWI图像的边界信息以及主噪声,而余项图像则描述图像的趋势信息。因此,提出一种将二维经验模态分解算法与改进的维纳滤波器相结合的降噪算法,并将该算法应用于DWI图像的降噪中。通过实验,将所提出的算法与其他算法应用于DWI图像的降噪处理,并通过对结果的分析比较证明所提出的算法能够更有效地对DWI图像进行降噪处理。     

流场拟合法在缩微环境中的研究

流场拟合法是由何继善院士提出的物理探测技术。以流场拟合法为理论基础研制的管涌渗漏检测仪在堤坝检测及抗洪抢险中发挥了重要作用，本文提出了一种在缩微环境中模拟管涌渗漏，对流场拟合法进行模拟测试并获得了明显的结果。为管涌仪器的性能检测、校验、标定提供了便捷的测试方法，并为该仪器在生产过程中统一性能和企业标准的制订提供了理论依据。     

基于阈值的脑白质纤维概率跟踪算法

概率跟踪算法仅对行走概率最大的方向进行跟踪,忽略了纤维走向概率较大的方向,且运算速度较慢。为此,提出一种基于阈值的快速概率跟踪算法。设定纤维走向的概率阈值,以找到更多交叉和分叉的纤维,在不影响纤维跟踪效果的情况下,对计算参数进行简化,从而提高运算速度。实验结果表明,与概率跟踪算法相比,该算法能更好地反映脑白质内神经纤维的分布情况,且缩短运算时间。     

基于交叉累计剩余熵的多谱磁共振图像配准

针对传统互信息(MI)图像配准容易产生局部极值的问题,提出一种基于交叉累计剩余熵(CCRE)的多谱磁共振图像配准方法.首先,将参考和浮动图像压缩至5位和7位灰度级;然后,采用哈宁窗Sinc插值计算5位灰度图像的CCRE,并用Brent算法搜索CCRE得到预配准的变换参数;最后,从该变换参数出发,采用部分体积(PV)插值计算7位灰度图像的CCRE,用Powell算法进行优化,得到最终的变换参数.实验结果表明,该方法的鲁棒性相比直接采用PV插值的CCRE配准得到提高;配准时间比直接采用哈宁窗Sinc插值的CCRE配准节省了90%左右,且配准精度有所提高.该方法兼顾了鲁棒性、效率和精度,适合用于多谱图像配准.     

改进的LLMMSE滤波器对扩散加权图像的降噪

扩散加权图像具有多边界的特点,在扩散加权图像中,准确的边界信号对扩散张量图像的计算尤其重要。通过对局部线性最小均方误差滤波器（Local Linear Minimum Mean Square Error filter,LLMMSE filter）在图像边界处降噪特点进行分析,提出基于最小方差数据集的改进的LLMMSE滤波算法。通过将所提算法应用于模拟数据及真实数据,以及与LLMMSE算法进行比较,验证了本算法具有更好的边界信号降噪能力。     

基于Bi-LSTM的医学文本分词模型

中文分词(Chinese Word Segmentation,CWS)是自然语言处理(Natural Language Processing,NLP)中一项重要的基础任务.由于不同领域中文词汇的特殊性以及缺乏相关领域的标记数据,面向特定领域的分词任务是近年来中文分词研究面临的挑战之一.因此,提出了一种基于双向长短时记忆...     

建立新型边缘泄露补偿机制的四阶方程图像平滑方法

针对传统的四阶偏微分方程(四阶方程)降噪算法容易造成图像边缘泄露的问题,本文提出了一种基于边缘检测理论的泄露修补算法.该算法首先用非线性的双边滤波器对噪声图像进行预处理,得到边缘结构较好的预处理图像,然后基于梯度算子具有检测图像边缘特征的特点,提出将结果图像和预处理图像二者梯度差值的二范数平方作为边缘保持约束项,并将其加入到四阶方程算法的能量泛函中.另外,基于图像局部方差构造了自适应的拉格朗日乘子,从而实现对边缘保持约束项的自适应调整,以提高其边缘保持性能.实验测试结果表明,本文算法不仅继承了传统四阶算法具有的优点,而且增强了对边缘结构的保持能力.     

稳健MM估计在扩散张量成像中的应用

在扩散加权图像中存在由热噪声产生的高斯分布偏差和生理噪声产生的异常点,最小二乘(LS)法对于高斯分布偏差具有较好的估算效果,但是对异常点不稳健。为此,采用稳健MM估计方法对扩散张量成像(DTI)数据进行张量估算,将高失效点算法的估计结果作为初始估计值,进行两步M估计。模拟数据与真实数据的实验结果表明,该估计方法具有较好的稳健性,并能有效估算扩散张量。     

基于线性链表的Apriori算法的改进

Apriori算法是关联规则挖掘的一个经典算法,它使用一种称作逐层搜索的迭代方法,用(k-1)项集来探索k项集。每探索一个k项集,Apriori算法都需要扫描一次完整数据库。不断扫描数据库是影响Apriori算法运行效率的主要原因。文中基于线性链表对Apriori算法提出了一种改进方法。通过对数据库进行转换,以缩小探索k-项集时扫描的数据库,提高算法运行效率。