基于深度迁移学习的肺结节分割方法

针对U-Net分割小体积肺结节效果较差的问题,提出一种基于深度迁移学习的分割方法,利用分块式叠加微调（BSFT）策略辅助分割肺结节。首先,利用卷积神经网络学习自然图像大数据集的特征信息;然后,将所学特征迁移到进行肺结节图像小数据集分割的网络,从该网络最后一个下采样层开始逐块释放、微调训练,直到网络完成最后一层的叠加;最后,定量分析Dice相似性系数,以确定最佳分割网络。实验结果表明,BSFT在LUNA16肺结节公开数据集上的Dice值达到0.917 9,该策略的性能明显优于主流肺结节分割算法。     

自然语言处理预训练技术综述

在目前已发表的自然语言处理预训练技术综述中,大多数文章仅介绍神经网络预训练技术或者极简单介绍传统预训练技术,存在人为割裂自然语言预训练发展历程.为此,以自然语言预训练发展历程为主线,从以下四方面展开工作:首先,依据预训练技术更新路线,介绍了传统自然语言预训练技术与神经网络预训练技术,并对相关技术特点进行分析、比较,从中归纳出自然语言处理技术的发展脉络与趋势;其次,主要从两方面介绍了基于B E RT改进的自然语言处理模型,并对这些模型从预训练机制、优缺点、性能等方面进行总结;再者,对自然语言处理的主要应用领域发展进行了介绍,并阐述了自然语言处理目前面临的挑战与相应解决办法;最后,总结工作,预测了自然语言处理的未来发展方向.旨在帮助科研工作者更全面地了解自然语言预训练技术发展历程,继而为新模型、新预训练方法的提出提供一定思路.     

针对淡水养殖排放水体污染的防治方法研究

针对淡水养殖区域水环境污染的问题,提出一种利用微生物进行养殖水体水质净化的治理方法。根据养殖水体中的污染负荷,实时调控水体中有益微生物的种群和数量,既可以降低水产养殖风险,也可以通过养殖水体自净能力改善河道水体水质,实现养殖水体源头的治理,达到区域可持续发展的目标。     

新疆自治区墙改办检查指导乌市“禁实限粘”工作

<正>本刊讯10月23日,新疆维吾尔自治区墙改办主任白明石一行四人到乌鲁木齐市检查、指导城市"限粘"工作,乌鲁木齐建筑节能墙改办根据前期制定上报的乌鲁木齐市"城市限粘"工作实施方案,结合本市"城市限粘"工作自查情况,进行了认真、详实的汇报。乌鲁木齐建筑节能墙改办认     

乌鲁木齐开展新型墙材节能保温材料专项检查

<正>本刊讯近日,乌鲁木齐市节能墙改办、市质量技术监督局、自治区非金属产品质量监督检验站、市建材行业协会组成联合专项检查组,对全市新型墙材和节能保温材料进行专项检查。此次检查将重点检查存在问题突出的绝热用聚苯乙烯挤塑板、陶粒混凝土小型空心砌块、烧结多孔砖等产品,严厉打击违法生产经营行为,净化市场环境,维护市场秩序。此次专项检查,旨在进一步     

新疆宏源铅锌矿找矿方法组合及成矿远景分析

新疆哈密市宏源铅锌矿位于塔里木板块北缘,中天山地块内,沙泉子深大断裂南侧,区内铅锌矿成矿条件优越,具寻找大型矿床潜力。矿体形态多为似层状、透镜状产出,近矿围岩蚀变强烈,主要为硅化、透辉石化、绿帘石化等。文章通过对矿床地质特征和成矿背景的总结,初步确定该矿床为喷流—沉积型铅锌矿床,并建立了工作区铅锌矿找矿模型,分析了寻找铅锌矿技术方法组合,为在该区寻找同类型矿床指出了找矿方向。     

价值工程理论在降低子午线轮胎成本中的应用

介绍通过应用价值工程理论对子午胎各部件功能进行分析，对轮胎进行改造，去掉过剩功能。改进后的各个功能都能满足要求，以达到子午胎优质轻量化、降低成本的目标。     

基于ConA-FPN的肝脏肿瘤检测算法

深度学习方法在病灶检测任务中被广泛应用,但因肝脏肿瘤较小和样本较少的问题,导致无法达到辅助诊断的准确率要求。针对以上问题,提出基于ConA-FPN的肝脏肿瘤检测算法,具体过程为：使用融合ResNet和注意力机制的特征金字塔替换Faster R-CNN中的特征提取网络;使用融合特征解决特征金字塔中的高层模块通道信息损失问题,通过添加CAG注意力机制解决了特征融合带来的特征混叠问题,增强模型对小肿瘤的检测能力;使用迁移学习和数据增强提升模型在小数据集上的检测能力和泛化能力。实验结果表明,ConA-FPN在LITS2017和3D-IRCADB上的平均精度达到87.43%,明显优于主流检测模型。     

基于特征直方图的蛋白质结构分类和检索方法

针对蛋白质结构的自动分类需求,提出一种基于BOVF方法的蛋白质结构分类与检索新算法。该算法利用SURF提取蛋白质结构各视角图像的局部特征,利用K-means对所有特征进行聚类分析生成视觉词典,统计视角图像的特征在视觉词典中出现的频率并生成特征直方图,以此直方图作为蛋白质结构的特征,使用KLD计算2个结构之间的相似度。3个实验分别被用来检验本文算法的分类和检索性能。实验结果证明本文算法具有比较算法无法达到的分类效果和检索性能。     

唇语识别的视觉特征提取方法综述

现有唇语识别研究多专注于提高识别精度、研究多模态输入特征等方面,对提高唇部视觉特征的有效性关注不多.而唇部的视觉信息在视觉语音识别和唇语识别中起着关键作用,尤其在音频被破坏或无音频信息时,唇部视觉信息尤为重要.如何获取准确有效的唇部视觉特征是当前唇语识别的难点工作之一.从唇语数据集、传统视觉特征提取方法、视觉特征提取的深度学习方法三方面综述了唇语识别方向近年来的最新研究工作:首先,总结了唇语识别数据集,将唇语数据集分为正视图和多视图两种类型,并总结整理两类数据集的特点、局限性和下载地址;其次,从像素点、形状和混合特征的角度介绍了唇部视觉特征提取的传统方法,重点介绍各方法的基本思想、网络结构和特点;然后,介绍了唇部视觉特征提取的深度学习方法,重点介绍2D CNN、3D CNN、2D CNN与3D CNN相结合、其他神经网络四种深度学习方法的网络结构和优缺点,并比较了这些方法在公开数据集上的性能表现;最后,对唇部视觉特征提取方法所面临的挑战和未来研究趋势进行了展望.