结构保持生成对抗网络的SD-OCT图像去噪方法

为了去除频域光学相干断层扫描(SD-OCT)中的散斑噪声,提出了一种结构保持生成对抗网络模型,可以无监督地从SD-OCT图像合成高质量的增强深部成像光学相干断层扫描(EDI-OCT)图像.该模型基于循环生成对抗网络结构学习无配对SD-OCT和EDI-OCT图像之间的域映射关系.为了克服循环生成对抗网络生成图像的结构性差异问题,模型利用连续帧之间的相似性引入全局结构损失,保证了图像的全局结构一致性;同时通过模态无关邻域描述符引入局部结构损失,保持了图像的解剖结构细节.在50组CirrusSD-OCT数据集上进行去噪的实验结果表明,该模型的PSNR值为29.03 dB, SSIM值为0.82, EPI值为0.50,均优于现有模型.     

基于IDA-RF眼底硬性渗出物的检测

为了准确检测眼底图像中的硬性渗出物,降低糖尿病性视网膜病变引起的失明,提出了一种基于IDA-RF的眼底硬性渗出物的检测方法。对眼底图像预处理,提取渗出物候选区域。利用[k]-means初始种群,与万有引力搜索算法相结合,改变步长更新公式,提出一种改进的蜻蜓算法（IDA）。IDA在寻优过程中对随机森林算法参数进行优化,并利用优化后的随机森林算法对渗出物候选区域分类,提取最终精确的硬性渗出物。该方法在公开的眼底图像数据库进行实验,与RF、DA-RF、GSA-RF相比,准确率达97.28%。实验表明,提出的方法能够准确检测硬性渗出物且鲁棒性能好。     

结合计算思维的软件项目实训教学实践

近年来随着我国外包产业的迅速发展,企业对高校软件人才需求日益增大。项目实训是高校软件人才培养的重要手段之一,然而程式化的培训流程制约了学生创造力的发展。该文通过在实训过程中引入计算思维,使学生在掌握规范性的开发流程的同时,提高自身的抽象能力和程序设计能力。     

高校项目实训中的软件测试实践探索

随着我国外包产业的迅速发展,软件测试人才的需求量日益增大,但高校学生所学内容与企业的实际要求严重脱节。通过教师管理系统的具体测试实例,理论联系实际地阐述了软件测试的流程和人员管理,并在实践过程中归纳和总结了相关问题,对高校软件测试人才的培养进行了探索和研究。     

我心目中的文物保护神——罗哲文先生

我 196 1年毕业后分配到北京市文物工作队考古组工作 ,当时正值文物管理暂行条例颁布。文化部文物事业管理局要求各地文物部门做“四有”工作 (即保护范围、保护标志、保护人和科学档案 )。我被安排搞地上文物保护 ,接受了参加卢沟桥与宛平县城的“四有”工作小组。除了与组内年长的同仁们合作外 ,文化部文物局还派来了一位精明干练、熟悉文物的业务行政管理干部参加并指导工作 ,那就是罗哲文先生。罗先生给我的印象是他和蔼可亲 ,平易近人 ,让我这个刚刚步入社会参加此项重要工作的年轻人紧张的心情顿时消失。我们几个人不顾当时还处于粮食…     

机械式数字仪表字符定位方法

针对实际环境下的数字仪表图像光照不均匀、产生畸变等问题,提出一种自适应的数字字符定位方法.首先从图像预处理入手,针对图像灰度不均匀,采用动态自适应阈值的S.D.Yanowitz二值化算法,能很好地分割目标和背景.然后再利用分级检测的Hough变换计算倾角进行图像矫正,最后利用投影算法进行逐步求精的字符精确定位.实验结果表明,该算法具有较好的鲁棒性,满足识别系统的要求.     

结合计算思维的软件项目实训教学实践

近年来随着我国外包产业的迅速发展,企业对高校软件人才需求日益增大。项目实训是高校软件人才培养的重要手段之一,然而程式化的培训流程制约了学生创造力的发展。该文通过在实训过程中引入计算思维,使学生在掌握规范性的开发流程的同时,提高自身的抽象能力和程序设计能力。     

基于特征融合的文本到图像的生成

近年来,基于生成对抗网络(Generative Adversarial Network,GAN)从文本描述中合成图像这一具有挑战性的任务已经取得了令人鼓舞的结果.这些方法虽然可以生成具有一般形状和颜色的图像,但通常也会生成具有不自然的局部细节且扭曲的全局图像.这是因为卷积神经网络在捕获用于像素级别图像合成的高级语义信息时效率低下,以及处于粗略状态的生成器-鉴别器由于缺少详细信息生成了有缺陷的结果,而这个结果会作为输入促使最终结果的生成.因此,提出了一种基于特征融合的生成对抗网络.该网络通过嵌入残差块特征金字塔结构来引入多尺度特征融合,并通过自适应融合这些特征直接生成最后的精细图像,仅使用一个鉴别器就可以生成256 px×256 px的逼真图像.将所提方法在花类数据集Oxford-102和加利福尼亚理工学院鸟类数据库CUB上进行验证,使用Inception Score和FID评估生成图像的质量,结果表明,生成图像的质量明显优于以往若干经典的方法.     

融合时序监督和注意力机制的脉络膜新生血管分割

脉络膜新生血管(Choroidal Neovascularization,CNV)一般出现在老年性黄斑变性(Age-related macular degeneration,AMD)晚期,在光学相干断层成像(SD-OCT)中对CNV进行准确分割对AMD的诊疗具有重要意义.文中提出了一种融合时序模型与注意力机制的CNV分割网络.该方法将连续的SD-OCT图像输入分割网络,在编码器部分提取图片多尺度信息,为了更好地提取图片局部特征,又在跳跃连接部分加入注意力门;同时,为了解决分割不连续的问题,在分割网络池化后加入了时序约束网络以构建相邻帧连续性约束,并在损失函数中加入梯度约束以更好地保留病变边界;采用空间金字塔将两部分网络特征图融合以产生分割损失,提高了最终的分割精度.基于患者独立性对12名患者的200组眼睛数据进行实验,该方法的Dice系数为76.3％,overlap达到60.7％,能够在SD-OCT图像中对CNV进行可靠的分割.