纳秒脉冲高频透膜效应优先杀伤化疗抗性肿瘤细胞的仿真与实验研究

为克服当前临床肿瘤治疗的致命屏障——化疗抵抗,同时弥补纳秒脉冲电场(nsPEFs)对化疗抵抗肿瘤细胞诱导的生物电效应研究的空白,该文结合仿真与实验,对nsPEFs的作用特性及对化疗抵抗肿瘤细胞的杀伤效应进行研究。首先,基于有限元平台,建立考虑细胞器的五层介电模型及考虑细胞内外膜穿孔的数值模型,分析nsPEFs的高频透膜特性、内膜电穿孔效应及其受核质比大小的影响规律;其次,以A549及其同源化疗抵抗的A549/R细胞为研究对象,结合荧光探针和流式技术,研究其在nsPEFs作用下内外膜荧光消散情况,并比较A549及A549/R形态学及其对nsPEFs作用的敏感性差异。结果表明,nsPEFs具有高频特性,可高效率作用到细胞内膜,诱导核膜荧光消散,其诱导的内膜穿孔效应与细胞核(核质比)大小呈正相关,对更高核质比的A549/R细胞有更高杀伤效果。研究结果证明,高压nsPEFs可靶向细胞内部并优先杀伤核质比更大的化疗抵抗肿瘤细胞,可为化疗抵抗肿瘤细胞的选择性杀伤提供理论和实验依据,也为nsPEFs作为一种新的物理选择方式,联合其他肿瘤治疗方法实现顽固性肿瘤组织的有效消融奠定基础。     

基于改进的YOLOX血细胞检测算法研究

血细胞计数是一种常见的临床检验方法。针对血液显微镜图像中的血细胞种类不均匀、密集且相互遮挡导致现有血细胞检测方法准确率不高,提出了一种改进的YOLOX血细胞检测算法。该算法首先在损失函数中引入Focal loss以改善单阶段目标检测算法正负样本的不平衡和细胞种类不均匀的问题;接着在残差模块中引入混合注意力机制,减少了血细胞相互遮挡造成的漏检、错检的概率;然后在特征融合尾部引入自适应空间特征融合模块以提高特征表达能力;最后在残差模块中引入逆深度可分离卷积模块在减少模型参数的同时还略微提高检测精度。提出的算法在BCCD血细胞数据集进行了测试,改进后的YOLOX算法在血细胞数据集上的检测精度达到了92.5%,相比YOLOX算法提升了2.4%,且减少了8%的模型参数量;该算法在COCO2017通用数据集上的检测精度达到了41.7%,相对于原始YOLOX算法提升了1.2%。     

小麦不完善粒的高光谱图像检测方法研究

为了实现高光谱图像处理技术对小麦不完善粒的快速准确鉴别,研究了一种基于小麦不完善粒高光谱图像的光谱和图像特征,结合多分类支持向量机的不完善粒的识别方法。实验采集小麦不完善粒的高光谱图像,对图像进行图像增强、阈值分割等处理后,提取7个纹理特征和5个形态特征作为分类器的输入,应用多分类支持向量机分别建立并比较基于光谱特征、基于图像特征以及基于光谱和图像特征组合的不完善粒识别模型的分类精度。基于光谱特征建立的4分类模型总识别率达94.73%,黑胚粒与正常粒的识别率分别为100%、98.63%,效果较好,但虫蚀粒与破损粒的识别精度均低于90%;基于图像特征的不完善粒识别率相对较低;融合光谱与图像特征建立的4分类支持向量机模型总识别率达97.89%,其中虫蚀粒识别率从89.79%提高到95.91%,破损粒识别率从84%提高到94%,识别效果最佳。实验结果表明,高光谱成像技术可以快速、无损鉴别单籽粒小麦不完善粒,该技术在小麦种子质量快速、高通量、无损检测领域具有的应用潜力。     

基于SVM和能量最小化的PolSAR图像分类方法

极化合成孔径雷达(PolSAR)采用全极化的工作方式可以获取地物的多种特征,利用这些特征对地物进行分类是PolSAR图像的重要应用方向。不同的特征和分类器对分类精度有着较大的影响。提出了一种基于支持向量机(SVM)和能量最小化(EM)的极化SAR图像地物分类方法。该方法选择基于6种散射模型的分解方法(6SD)所得的6部分散射能量、总散射能量span和3个极化相干矩阵旋转域角参数作为SVM的输入,得到图像分类结果,并使用基于图割的能量最小化算法α-expansion对分类结果进行优化。最后使用AIRSAR系统获得的Flevoland地区的数据进行实验,结果表明所提算法可以提高总体分类精度,总体分类精度为95.6%,高于其他方法的92.3%。所提算法可以较大幅度地提高散射机理明显的区域,如建筑、森林、水域、草地等区域的分类精度。另外,结合EM优化结果可以提高所有种类的分类精度,其中在苜蓿、小麦1、小麦2、裸地、草地、油菜籽等区域的分类精度可提高1%以上。     

基于六轴机械臂驱动的微波球面扫描成像系统

基于合成孔径成像原理的扫描成像技术(ESM)在电子设备电磁干扰(EMI)检测领域具有明显的技术优势与应用价值, 但是其在球面成像算法与系统设计方面仍需进一步的研究与完善。 针对以上需求,本文提出了球面扫描成像任务下的机械臂 系统设计方法与控制策略。 在系统模型上,对机械臂构型、球面扫描边界与检测天线姿态进行建模,探索在以上约束下的最优 球面孔径求解方法。 在控制策略上,设计实现基于关节角搜索的机械臂控制策略与微波成像聚焦算法。 以上模型、方法与策略 在仿真实验中实现平均关节变化角降幅 60. 21%,在由六轴机械臂与基准微波辐射源搭建的验证实验中实现自动聚焦与精确成 像(聚焦精度 0. 1 mm,成像精度不低于 3. 14 dBm),可望应用于电子系统的 EMI 检测定位。     

基于小波变换的航天继电器多余物材质分类

多余物的材质信息对于控制避免多余物的产生具有重要的意义,以往的研究都是针对声音信号展开的,本文以加速度扰动信号为研究对象,提出了基于小波变换的航天继电器多余物材质分类方法.运用三门限检测算法,实现了扰动信号的拼接,有利于特征量的集中.采用基于频域特征的材质分类方法,定义了频谱重心,实现了金属与非金属的分类识别,在实验中确定了频谱重心的分类界限是50kHz.采用小波变换定义能量分布矢量,利用BP神经网络实现了多余物微粒确定材质的分类,并在试验中利用不小于lmg的多余物粒子验证了上述算法.实验结果表明分类的准确率分别为67.78%和76.67%.本文研究的分类方法可以推广应用于其他军用电子元器件及电子装置的多余物检测应用中.     

基于混和时频分析方法的ISAR成像研究

采用了一种混合时频算法来克服传统时频算法ISAR成像时交叉项干扰问题,提高成像分辨率;提出了"数据分割-时频分析与采样-数据拼接"成像加速方法提高ISAR成像处理效率.应用强散射回波点目标某飞机模型做仿真实验.对比传统ISAR时频分析方法和本文方法成像表明:本方法成像质量高,关键细节清晰可见,基本消除了无交叉项干扰,时频分辨率高:成像加速算法较传统成像算法缩短了一半以上的成像处理时间,成像实时性得到了显著提升。     

基于LabVIEW的SPR传感检测系统的设计

SPR传感器已经成为检测、分析生物分子相互作用的有效工具。为满足快速高通量检测的需要,高通量SPR检测仪器已经成为SPR检测仪器的重要发展趋势。研制出一套高通量的SPR成像检测系统,以LabVIEW为开发工具,设计出一套实用的实时控制与数据采集分析程序。主要讨论了高通量、快速的SPR检测系统的设计,以及基于LabVIEW的实时过程控制与图像采集分析系统软件的设计与实现,运用该检测系统,可以实现快速的SPR检测,满足高通量、高精度的检测要求。     

基于改进 YOLOv7 模型的血细胞检测算法研究

在医学上,血细胞计数检测是衡量人体健康与否的重要诊断方法,但是血细胞图像中存在小目标和重叠目标的检测 难点。针对上述问题,提出一种改进的YOLOv7 目标检测算法。通过对原始的 YOLOv7 网络增加全局注意力机制(GAM), 提升网络的感受野,提高对小目标的检测精度;提出融合了加权双向特征金字塔网络(BiFPN) 和递归门控卷积 HorNet 的特 征金字塔 HorNet-BiFPN 结构,利用其高阶空间交互作用增强网络的特征融合能力,实现对红细胞重叠区域的建模,解决对重 叠红细胞的检测问题。实验结果表明,改进的 YOLOv7 模型的检测精确率达到了96.3%,对单张图片的检测时间达到了 74ms, 对图像中的3类细胞均实现了较强的检测效果,达到了医学辅助诊断的合理性。     

基于多视角属性散射中心的风电机动态叶片雷达回波模拟

模拟高保真的动态风电机叶片雷达回波并提取其多普勒特征,是解决风电场对雷达台站无源干扰的关键问题。针对现有算法均无法准确且实时模拟动态叶片回波的问题,突破采用单一视角的静态散射中心模拟叶片回波的传统思路,将雷达视线下叶片整个旋转周期大转角划分为多个子视角,提出一种基于多视角属性散射中心的动态风电机叶片雷达回波模拟算法。考虑叶片动态旋转中叶片空间姿态对散射中心参量的变化影响,引入属性散射中心模型,采用正交匹配追踪的贪婪算法,提取各雷达视角下动态叶片的属性散射中心;并建立散射中心与叶片运动特征在时间上的对应关系,重构出叶片旋转一周的散射电场,利用短时傅里叶变换,最终模拟出动态叶片的回波。以金风82/1500型风电机叶片为算例,与传统回波模拟方法以及实验测量得到的结果进行对比,结果表明,所提算法较散射中心的积分算法在精度上提高了34.7%,实现了动态叶片回波的实时模拟。     

阵列导波检测数据分段式混合压缩算法研究

针对阵列导波检测中形成的大量数据对后续传输与存储所构成的挑战,本文提出了一种分段式混合压缩算法。基于损伤散射信号的高幅值及相关性特征,将检测数据划分为高、低保真段两部分。在高保真段设计了LOPCM无损压缩方法,在低保真段则应用JPEG有损压缩算法,以此兼顾压缩比与损伤信号的保真度。构建实验平台获取实测信号并实施压缩：对比验证了LOPCM方法的有效性;考察信号整体的误差指标,并结合重构数据成像结果,评估了分段式混合压缩算法对成像精度的影响。结果表明,该算法能够在保证损伤成像精度的基础上有效减少数据量,相较于仅采用无损或有损压缩能更好地满足阵列导波检测中对数据压缩的需求。     

基于自监督特征增强的 CNN-BiLSTM 网络入侵检测方法

针对网络入侵检测中攻击样本和流量特征不足的问题,提出一种基于自监督特征增强的CNN-BiLSTM网络入侵检测方法,实现在流量数据中检测异常网络流量的目标。通过分析流量特征数据分布差异,采用IQR异常值处理方法进行数据预处理,使用自编码器对攻击样本进行数据增强,构建CNN-BiLSTM神经网络和自编码器组成半自监督模型,分别提取高维流量特征和自监督特征,将组合特征作为最终特征输入到分类模型中进行预测分类,实现网络入侵检测。实验结果表明,与其他入侵检测方法相比,所提方法在准确率和F1分数上分别达到了85.7%和85.1%,能够有效提高网络入侵的检测精度以及对未知攻击的检测能力。     

雷达属性散射中心的快速目标分类和参数估计

雷达属性散射中心模型的属性参数能够提供目标更为丰富的重要信息,属性散射中心参数估计对解析雷达目标有着极其重要的研究意义。针对雷达属性散射中心模型,提出了基于深度学习的雷达属性散射中心快速目标分类和参数估计的技术。首先利用ViT (vision transformer)深度学习网络将雷达属性散射中心分类为局部式和分布式两类,然后基于TS2Vec框架构建针对属性散射中心参数估计的卷积神经网络(convolutional neural network for attribute scattering centers, ASCNN),最后分别对两种数据进行训练以实现局部式和分布式属性散射中心的参数估计。基于属性散射中心模型展开数值实验,实验结果表明,该方法对雷达属性散射中心目标分类的准确率高达99%以上;雷达属性散射中心参数估计的速度超过传统方法的10 000倍以上,且精度更高,验证了所提方法的有效性和优越性。     

基于紫外成像的电晕放电检测技术改进研究

针对当前电晕放电检测存在检测精度低的问题,提出一种基于紫外成像的电晕放电检测方法。该方法将基于紫外成像的电晕放电检测效果的干扰因素划分为距离、增益、温度和湿度检测等;构建了紫外线成像电晕放电检测体系,采用物镜系统解决电晕放电目标成像问题,利用光传感器将电晕放电图像进行光电转换,结合紫外滤光片滤除日盲区之外的光波,采用控制分析体系将光的强度量进行统计并分析,同时控制整个检测体系。利用图像显示体系将电晕放电图像信息融合、显示。在紫外线成像电晕放电检测体系基础上,分别对检测干扰因素逐一处理,设计基于紫外成像的电晕放电检测流程图,完成电晕放电高质量检测。实验表明,文章所提方法不仅有效处理了电晕放电检测干扰因素,还提高了放电源检测的检测精度。     

改进Faster R-CNN的微型扁平电机FPC表面焊点缺陷检测

目前微型扁平电机制造厂仍采用人工观察法对电机FPC板焊点的焊接质量进行检测,其检测准确率低、速度慢。针对这一问题,提出了一种基于改进Faster R-CNN的缺陷分类检测方法。首先通过多尺度特征融合网络对VGG16的最后两层网络进行融合后,代替原Faster R-CNN中区域候选网络的输入特征图,然后从三个不同深度的多尺度特征融合算法比较改进后网络的准确率、召回率和分数。试验结果表明：改进后的两层多尺度融合特征图代入模型,其缺陷分类检测准确率均值为91.89%,比传统模型增加了7.72%;与其他二种模型相比,改进后的模型分类检测准确率和精度是最高的。     

基于 YOLOv5 的多分支注意力 SAR 图像舰船检测

针对合成孔径雷达图像噪声大,成像特征不明显,尤其在面对海陆边界、港口码头、近岸岩礁等复杂场景,通常的检测算 法对 SAR 图像目标特征提取困难,导致检测精度不高,出现误检漏检等问题。 在 YOLOv5 的基础上设计了一种旋转的目标检 测方法,提出了多分支注意力模块可以跨维度的信息融合,能更好地提取 SAR 图像目标中的位置信息和语义信息,以提高检测 精度。 此外,由于旋转目标检测会产生边界不连续问题影响边界框的回归,因此,利用了圆形平滑标签的方法将角度参数从回 归问题转为分类问题,由此提高了精度。 最后在 HRSID、SSDD+数据集上进行了实验,精度分别达到 84. 98%和 90. 13%,比原始 的 YOLOv5 算法分别提升了 1. 29%和 2. 57%,实验结果证明所提算法的有效性。     

融合前景注意力的轻量级交通标志检测网络

针对目标检测算法模型在交通标志检测上容易出现错检和漏检等问题,提出一种融合前景注意力的轻量级交通标志检测网络YOLOT。首先引入SiLU激活函数,提升模型检测的准确率;其次设计了一种基于鬼影模块的轻量级骨干网络,有效提取目标物特征;接着引入前景注意力感知模块,抑制背景噪声;然后改进路径聚合网络,加入残差结构,充分学习底层特征信息;最后使用VariFocalLoss和GIoU,分别计算目标的分类损失和目标间的相似度,使目标的分类和定位更加准确。在多个数据集上进行了大量实验,结果表明,本文方法的精度优于目前最先进方法,在CCTSDB数据集上进行消融实验,最终精度达到98.50%,与基线模型相比,准确率提升1.32%,同时模型仅4.7 MB,实时检测帧率达到44 FPS。