浅谈运用分层技术丰富计算机软件开发

计算机时代的来临打开了一个全新的信息纪元,计算机软件的应用已经逐渐走进各家各户,不仅仅在工作上适用,它已经踏入我们的学习和生活。国家现在也逐渐将发展的重点放在计算机软件的开发上,为了保证计算机软件的顺利发展,对于相关技术的开发也是非常重视。分层技术的引进与应用,很大程度的为计算机软件注入了新鲜元素。计算机软件的开发也逐渐朝着多层次的角度全面发展。本文主要从分层技术的应用与开发展开探讨。     

基于深度监督残差网络的肝脏及肝肿瘤分割

针对医生手动对肝脏肿瘤 CT 图像分割耗时、耗力,且易受主观判断影响的问题,该研究提 出一种深度监督残差网络(Deeply Supervised Residual Unet,DS-ResUnet)算法,以实现对腹部增强 CT 图像中肝脏及肝脏肿瘤区域进行全自动分割的目的。首先,利用公开发布的 MICCAI2017 肝脏肿瘤分 割(LiTS)挑战赛数据集,并使用 python 及 TensorFlow 开源框架进行数据分析;然后,构建深度监督 残差网络对肝脏及肝肿瘤图像进行自动分割;最后,通过平均 Dice 系数、全局 Dice 系数、Jaccard 系 数、平均对称表面距离(ASSD)、95% 豪斯多夫距离(HD95)、准确率和召回率七个评价指标对所提出 算法与 Unet 模型的性能进行比较分析。结果显示,所提出的 DS-ResUnet 算法在肝脏分割上的七个评 价指标结果依次为 96.06%、95.08%、92.54%、1.98 mm、12.87 mm、96.11%、96.06%,优于 Unet 模 型的结果(95.71%、94.52%、91.91%、2.41 mm、14.21 mm、95.48%、96.01%);在肝肿瘤分割上的 七个评价指标结果依次为 67.51%、76.65%、54.21%、6.65 mm、25.34 mm、80.39%、64.27%,也优 于 Unet 模型的结果(60.67%、73.47%、47.39%、9.43 mm、39.38 mm、79.61%、58.01%)。这表明所 提出的算法有效地提高了分割效果,实现了从 3D 腹部增强 CT 图像中全自动分割肝脏和肝肿瘤区域 的目的。     

低氧环境下血氧序列的多尺度熵分析

文章运用多尺度熵的方法,对低氧环境下血氧序列进行分析。研究发现,与传统的均值分析法相比,多尺度熵分析能反映机体适应低氧的动态过程;而与只在最小尺度上估计序列长度m与m+1之间不同的样本熵相比,多尺度熵计算时间序列在多个尺度上的样本熵值,体现了时间序列在尺度上的无规则度,可以更全面的提取血氧信号的有效信息。研究结果表明,多尺度熵的血氧序列分析能对人的低氧耐力进行辨识,是一种研究机体低氧调节过程的可靠分析方法。研究还发现,多次的低氧刺激会对人体产生习服作用,机体表现出对低氧环境的记忆性。