基于边缘关注模型的语义分割方法

肝脏是人体代谢功能的主要器官,目前机器学习在肝脏影像语义分割研究中的难点有：1）肝脏中间部位有下腔静脉、软组织和血管,甚至有坏死或肝裂等情况;2）肝脏与一些邻近器官之间的边界模糊,难以分辨。针对这些问题,提出了边缘关注模型（EAM）及边缘关注网络（EANet）。该网络采用了Encoder-Decoder（编码-解码）的模型框架：在编码器中运用了在ImageNet上预训练好的残差网络ResNet34和EAM,由此来充分获取肝脏边缘的细节特征信息;在解码器中则运用了反卷积操作和EAM对有效信息进行特征提取,进而得到肝脏影像的语义分割图。最后,对分割后噪声较大的图片实施了平滑处理。在三个数据集上与AHCNet进行对比,结果显示：在3Dircadb数据集上,EANet的体积重叠误差（VOE）和相对体积差异（RVD）分别降低了1.95个百分点和0.11个百分点,且DICE精度提高了1.58个百分点;在Sliver07数据集上,EANet的VOE、最大表面距离（MSD）和均方差对称表面距离（RMSD）分别降低了大约1个百分点、3.3 mm和0.2 mm;在某医院临床MRI肝脏影像数据集上,EANet的VOE和RVD分别降低了0.88个百分点和0.31个百分点,且DICE精度提高了1.48个百分点。实验结果表明,所提出的EANet具有较好的肝脏图像分割效果。     

电网电压骤降故障时双馈风机虚拟阻抗改进控制技术

针对电网电压骤降故障所导致的风电机组过电流问题,已有的基于虚拟电阻的过电流抑制技术无法兼顾过电流抑制效果和基频控制性能,同时未考虑系统的高频稳态性能,导致故障穿越期间的谐波抑制性能较差。为了兼顾故障穿越性能及故障穿越期间的谐波抑制性能,通过分析电网电压骤降时的双馈风机(DFIG)数学模型,研究了过电流及暂态磁链抑制机理,进一步基于虚拟阻抗技术,提出了电网电压骤降故障时DFIG改进控制技术。通过在机侧变流器转子电流控制环路中引入附加控制环,实现对暂态磁链振荡的抑制,从而提升DFIG低电压穿越性能。进一步地,对所提出的虚拟阻抗环节进行了参数设计分析,保证了该控制方法可以兼顾过电流抑制性能、高频性能及基频控制性能。最后,通过仿真结果验证了所提改进控制策略的有效性和可行性。