面向隐私保护联邦学习的医学影像目标检测算法

联邦学习技术是一种新型多机构协同训练模型范式,广泛应用于多领域,其中模型参数隐私保护是一个关键问题.针对CT影像综合性病灶检测任务,提出隐私保护的联邦学习算法.首先部署松散耦合的客户端-服务器架构;其次在各客户端使用改进的RetinaNet检测器,引入上下文卷积和后向注意力机制;最后完成联邦训练.各客户端使用局部更新策略,采用自适应训练周期,局部目标函数中加入了限制项;服务器使用自适应梯度裁剪策略和高斯噪声差分隐私算法更新全局模型参数.在DeepLesion数据集上的消融分析说明了算法各部分的重要性.实验结果表明,改进的RetinaNet检测器有效地提升了多尺度病灶的检测精度.与集中数据训练模型范式相比,联邦学习所得模型性能略低(mAP分别为75.33％和72.80％),但训练用时缩短近38％,有效地实现了隐私保护、通信效率和模型性能的良好权衡.     

基于信息物理融合的骨折复位机器人系统构建

针对骨折治疗中传统复位方法（手法复位、牵引复位、手术复位）存在的二次损伤、肌能失调、患肢僵硬、破坏血运及术后矫正动态性能差等问题,提出了一种人-机-物融合的信息物理系统（CPHS）用于指导机器人的复位动作。首先,从CPHS的数字孪生、信息感知、系统集成、手术流程、模拟复位等方面论证了并联机器人信息物理系统的构成,将机器人的高定位精度及可重复性与微创方法有效结合,从而指导医生完成仿真规划及术中监控等一系列操作;其次,根据临床骨折复位过程,在机器人操作下对5组不同骨折姿态的模拟骨折病例进行了复位实验;最后,计算出每组实验复位后的移位残余及角度误差,并与传统复位方法的相应数据进行对比。实验结果表明,CPHS骨折复位机器人相较于传统复位方法,在骨折复位过程和患者术后康复上均有着明显的优势。     

软件测试技术课程思政教学的探索与实践

针对在专业课程中融入课程思政这一问题,分析软件测试技术课程的特点,提出“知识点—思政元素—职业技能”的课程思政教学模式,并以“性能测试”知识点为例介绍教学案例设计。     

VSG惯量及阻尼的协同自适应控制研究

针对常规自适应控制的虚拟同步发电机在微网变化后虚拟惯量及阻尼之间不协调的调整可能导致系统出现较严重的频率波动问题,设计一种新型的虚拟同步发电机参数协同自适应控制策略。首先,结合扰动发生后系统在不同阶段暂态能量转换过程,提出一种指数型虚拟惯量自适应控制技术方案;然后,基于系统动态特性指标要求,在虚拟惯量和阻尼之间建立一种函数关系,并给出关键参数选取原则和具体范围,使惯量和阻尼协同调节以保持系统始终处于最佳阻尼比状态;最后,通过仿真对比证明了所提策略的优越性。     

基于3D打印的血型检测微流控芯片研究

3D打印在微流控芯片领域应用广泛,但专门用于血型检测的微流控芯片研究较少。针对该问题,设计制备一种密闭通道的微流控芯片,使其应用于临床,以解决快捷血型检测问题。该文采用基于DLP光固化的3D打印技术,对该芯片进行设计构建。通过图像识别该3D芯片微流道内红细胞停留位置,可在3 min左右完成单样品检测,识别率99.29%,达到快速检测血型的目的。该芯片满足检测要求,能完成试剂和血液的顺序灌装、离心、识别等操作,成本低、检测快,可对不同检测要求进行后期处理,为个性化医疗和移动医疗的快速建设奠定基础,具有一定研究价值。     

基于Spark的并行频繁项集挖掘算法

关联规则挖掘是数据挖掘领域的重要研究方向之一。频繁项集的挖掘是关联规则挖掘的第一步,也是最重要的步骤。FP-Growth(Frequent Pattern-Growth)算法因其挖掘效率以及空间复杂度方面的优势被广泛应用于频繁项集挖掘任务中。面对海量数据,FP-Growth算法挖掘效率变得极低甚至失效。在Hadoop大数据平台上实现的基于MapReduce框架的并行FP-Growth算法——PFP算法解决在处理大规模数据时传统算法失效的问题,但是由于其将每次执行之后的中间结果输出到磁盘,降低算法执行效率。为提高并行FP-Growth算法执行效率,提出一种基于Spark的SPFPG算法。该算法运用负载均衡思想对分组策略进行改进,综合考虑分区计算量和FP-Tree规模两个因素,保证每个组之间负载总和近似相等。在Spark上实现FP-Growth算法——SFPG算法的基础上,实现优化后的SPFPG算法。实验结果表明,SPFPG算法相比SFPG算法挖掘效率更高,且算法具有良好的扩展性。     

基于ADCP-TOP的微表情识别方法

微表情识别的难点是情绪持续时间短,面部动作变化微小。为此,提出一种基于相邻双交叉局部二值模式（ADCP-TOP）的微表情识别方法,针对微表情特点将邻域像素之间关系引入,使得对细节信息提取更丰富,捕捉微小变化能力增强。通过对奇偶位置的采样点分开编码,将结构信息量化,在保证信息量增加的同时使维度减小,并增强鲁棒性。此外,通过面部动作单元划分细粒度感兴趣区域（FROI）提取ADCP-TOP特征,以进一步增强对细节信息提取能力。最后,在SMIC和CASME2数据库中的实验表明,提出的识别方法取得更高识别率。     

融合协同过滤信息的知识图注意力网络

知识图谱（KG）能够缓解协同过滤算法存在的数据稀疏和冷启动问题,在推荐领域被广泛地研究和应用。现有的很多基于KG的推荐模型混淆了用户物品二部图中的协同过滤信息和KG中实体间的关联信息,导致学习到的用户向量和物品向量无法准确表达其特征,甚至引入与用户、物品无关的信息从而干扰推荐。针对上述问题提出一种融合协同信息的知识图注意力网络（KGANCF）。首先,为了避免KG实体信息的干扰,网络的协同过滤层从用户物品二部图中挖掘出用户和物品的协同过滤信息;然后,在知识图注意力嵌入层中应用图注意力机制,从KG中继续提取与用户和物品密切相关的属性信息;最后,在预测层将用户物品的协同过滤信息和KG中的属性信息融合,得到用户和物品最终向量表示,进而预测用户对物品的评分。在MovieLens-20M和Last.FM数据集上进行了实验,与协同知识感知注意力网络（CKAN）相比,KGANCF在MovieLens-20M数据集上的F1分数提升了1.1个百分点,曲线下面积（AUC）提升了0.6个百分点;而在KG相对稀疏的Last.FM数据集上,模型的F1分数提升了3.3个百分点,AUC提升了8.5个百分点。实验结果表明,KGANCF能够有效提高推荐结果的准确度,在KG稀疏的数据集上显著优于协同知识嵌入（CKE）、知识图谱卷积网络（KGCN）、知识图注意网络（KGAT）和CKAN模型。     

基于双馈风机抗阻比的次同步振荡抑制策略

现有的抑制双馈风机次同步振荡(SSO)的方法大多以转子转速偏差信号作为输入,需要较大增益的同时可能会引起超同步振荡。利用双馈风电场-串联补偿输电系统的复频域阻抗模型,将基于双馈风机网侧变流器的阻尼控制等效为虚拟阻抗,解释了双馈风机在不同抗阻比以及不同补偿角度下的作用机理;基于以线路电流为输入的次同步阻尼控制方法,提出了改进的基于双馈风机抗阻比设计最佳补偿角度的阻尼控制策略及参数整定方法。以真实风电场SSO事件为算例,在MATLAB/Simulink平台搭建双馈风电场-串联补偿输电系统的等值模型,通过时域仿真验证了所提阻尼控制策略的效果。