基于图像处理研究铁尾矿的熔化行为

作为主要成分的SiO2是铁尾矿中最难熔化的部分.通过一组SiO2的熔化时序图像来探究铁尾矿的熔化情况.首先,进行图像预处理,建立质心位置追踪模型和体积估算模型.将灰度图转化为二值图,利用卡尔曼滤波器进行质心追踪和对质心运动轨迹的描述.通过计算二值图中0像素的数量得到面积随时间变化的图像,拟合出熔化过程函数.结合二值图中目标物体的边界信息得到的参数量建立多元线性回归模型.估算颗粒扁平度和物体的体积,熔融速率通过颗粒集合的质量变化函数得出.     

—种基于特高压工程的图像识别算法研究

阐述提出一种基于特高压工程的图像识别算法，通过对原始图像高斯低通滤波、平滑、亮度拉伸以及增强预处理，降低原始图像噪声，并且使图像亮度增强，探讨选取色调、饱和度以及亮度作为图像特征向量，利用模糊数据自相关函数对特高压工程图像特征进行提取。在此基础上对将图像特征向量映射到图像上，并且对特高压工程图像特征进行匹配，识别到图像中的目标。     

具有保护肠上皮细胞HT-29免受大肠杆菌和H2O2损伤潜力的植物乳杆菌的筛选

益生菌可在肠道定植从而发挥抗炎或抗氧化活性，有利于宿主肠道健康。本实验研究了从新疆传统发酵乳制品中分离得到的8?株植物乳杆菌对大肠杆菌侵袭和过氧化氢刺激肠上皮细胞HT-29的保护作用。结果表明：在8?株植物乳杆菌中，植物乳杆菌35具有最高的黏附能力。植物乳杆菌35可通过取代、竞争、排阻的方式抑制大肠杆菌对HT-29细胞的黏附，抑制率分别为42.60%、59.17%、60.19%。植物乳杆菌35及其多糖可抑制大肠杆菌刺激HT-29细胞产生白细胞介素-8；同时保护HT-29细胞免受过氧化氢的损伤，增加超氧化物歧化酶、谷胱甘肽过氧化物酶活力水平并降低丙二醛含量。结论：植物乳杆菌35及其粗胞外多糖具有抑制大肠杆菌O157诱导的炎症性肠病的潜力。     

四氢姜黄素经PI3K/Akt信号通路对人血小板活化和聚集的调控作用

目的：探讨姜黄素的主要肠道代谢物四氢姜黄素（tetrahydrocurcumin，THC）对血小板活化和聚集的影响及其可能的分子机制。方法：在体外实验中，用不同浓度的THC（0、0.5、1、10 μmol/L）提前与健康人纯化血小板共同孵育40 min，然后加入凝血酶激活血小板2 min，用流式细胞术测定血小板表面CD62P和CD63的表达量，用酶联免疫吸附法测定血小板释放血小板因子-4（platelet factor-4，PF4）和趋化因子配体-5（chemokine ligand 5，CCL5）水平，用血小板聚集仪检测血小板释放ATP水平和血小板最大聚集率，用Western blot蛋白免疫印迹法检测血小板磷酸肌醇-3-激酶（phosphoinositide 3-kinase，PI3K）和Akt蛋白的磷酸化水平。结果：与模型组（血小板悬液中加入0.05%二甲基亚砜）相比，THC能抑制凝血酶诱导的血小板表面CD62P和CD63的表达，抑制PF4、CCL5和ATP的释放，降低血小板最大聚集率，下调PI3K和Akt蛋白的磷酸化水平，且呈浓度依赖效应，其中10 μmol/L的浓度下作用效果显著（P＜0.01、P＜0.001）。PI3K的特异性激动剂740 Y-P可部分逆转THC对PF4和CCL5释放和血小板聚集的抑制作用（P＜0.05、P＜0.01）。结论：THC具有显著抑制血小板活化和聚集的作用，其机制可能是THC可下调PI3K/Akt介导的信号通路。     

量子线性卷积及其在图像处理中的应用

线性卷积在图像处理中发挥着重要作用,但是在处理海量高分辨率图像时,求解线性卷积会消耗许多计算资源.为此,本文就量子线性卷积及其在图像处理问题中的应用开展相关研究,首先提出单通道,单位步长,零补充情况下的量子一维和二维线性卷积,然后实现多通道,非单位步长,非零补充的情况,最后将量子二维线性卷积应用于量子图像平滑,量子图像锐化和量子图像边缘检测.通过理论分析证明了量子线性卷积的空间复杂度O（logM）和时间复杂度O（log²M）较经典线性卷积有指数级下降,且基于Qiskit的仿真实验成功验证了量子线性卷积和量子图像处理算法的正确性和可行性.     

基于模糊识别的乳腺超声辅助诊断算法

近年来,乳腺肿块的发病率逐年上升,乳腺癌位居女性癌症发病率的首位。超声检查是筛查和早期鉴别诊断乳腺肿块的主要方法,但是由于超声成像方式及影像本身的模糊性,因此其误诊率一直较高。现有的乳腺超声计算机诊断系统通常只区分肿块的良恶性,难以诊断常见的肿块病变性质,不利于疾病的正规诊疗。本文提出一种基于模糊模式识别的乳腺肿块超声影像的计算机辅助诊断算法,可为临床医生制定诊疗方案提供参考,提高了初步诊断的准确率,能够为相关领域的应用研究提供借鉴。     

基于外部载荷位置预测的光纤传感器故障信号识别技术

为了解决传感器故障识别过程中识别效率低和精度低的问题。提出了基于外部载荷位置预测的光纤传感器故障信号识别方法。通过合成外差算法和傅里叶变换解调和去噪传感器信号；采用本征模函数提取不同故障下信号特征。并将其分为状态信息和扰动分量两部分。计算二者之间的近似性。结合线性模型提取故障信号特征向量；利用系统灰色性故障识别方法和外部载荷位置预测传感器多角度负载并进行融合处理。构建灰色关联矩阵计算其与标准数据之间的贴近度。完成光纤传感器故障信号识别?仿真分析结果表明。所提方法在故障信号解调、去噪以及识别方面均具有明显的优势?对深入研究传感器起到了一定的推动作用?