Local adaptive segmentation algorithm for 3-D medical image based on robust feature statistics

Medical image segmentation is of pivotal importance in computer-aided clinical diagnosis. Many factors, including noises, bias field effect, local volume effect, as well as tissue movement may affect the med- ical image, thus causing blurring or uneven characteristics when forming a picture. Such quality defects will inevitably impair the gray-scale difference between adjacent tissues and lead to insufficient segmentation or even leakage during tissue or organ segmentation. In the present investigation, a local adaptive segmentation algorithm for 3-D medical image based on robust feature statistics （LARFS） was proposed. By combining segmentation algorithm principles for traditional region growing （RG） and robust feature statistics （RFS）, the location and neighborhood image information of input seed point can be comprehensively analyzed by LARFS. Results show that, for different segmentation objects, under controlling the input parameter of growing factor within certain range, LARFS segmentation algorithm can adapt well to the regional geometric shape. And be- cause the robust feature statistics is applied in the contour evolution process, LARFS algorithm is not sensitive to noises and not easily influenced by image contrast and object topology. Hence, the leakage and excessive segmentation effects are ameliorated with a smooth edge, and the accuracy can be controlled within the effective error range.     

纳米管合成研究进展

当今纳米科学技术飞速发展，其中纳米管已构成了纳米材料的一个非常重要的类别。本文介绍近几年来由化学键结合的纳米管以及由分子间力形成的一些纳米或具有中观尺度的管状结构材料的合成研究进展。     

神经网络在煤与瓦斯突出预测敏感指标确定中的应用

煤与瓦斯突出是地应力、瓦斯和煤岩力学性质综合作用的结果,其作用过程属于非线性问题,使用常规方法确突出预测敏感指标及其临界值,存在着效率不高的问题.采用三率法,研究了大平煤矿煤与瓦斯突出预测指标,得出了预测突出的敏感指标及临界值;通过使用人工神经网络的BP模型,选取样本、训练样本和识别样本,并与现场实际对比,对用常规方法所确定的敏感指标及其临界值进行了验证.结果表明,可以使用神经网络方法预测煤与瓦斯突出危险性和确定突出预测敏感指标.     

尾矿库漫顶溃决动态演化及溃口展宽模型试验

为研究尾矿库漫顶溃决动态演化过程与溃口发展机理及规律,通过3组相似模型试验,对溃口展宽过程和演变机理进行了系统分析,提出了尾矿坝漫顶模式下溃口展宽速率的幂函数公式,并讨论了库水位上升阶段浸润线的变化过程及溃决阶段不同浸润线埋深条件下流速、流量、溃口宽度的变化过程。研究结果表明：尾矿坝的溃决过程可分为坝面漫流与冲沟形成、坝体崩塌与溃口快速扩张及稳定泄流3个阶段;浸润线埋深对流量、流速及溃口最终宽度有较大影响,排渗失效时峰值流量及溃口最终宽度接近正常排渗时的1.5倍,峰值流速可达1.2～1.3倍;降低浸润线高度可以延缓溃决泥石流到达下游的时间,紧急撤离时间也可延长3 min左右;提出的幂函数公式计算值与实测值吻合较好。     

DOM型跨站脚本网络攻击防御有效路径模拟

由于DOM型跨站脚本攻击的不确定性,导致DOM型跨站脚本攻击防御困难.提出一种DOM型跨站脚本网络攻击防御有效路径模拟,通过构建可信度计算模块,对DOM跨站脚本攻击的路径进行计算,得到脚本攻击的大致过程与攻击特性,依据脚本攻击的攻击特性,建立可信度调度模块,对脚本攻击的访问速率进行检测,获取其攻击过程中的数据变化,凭借上述结果结合三种原则(安全性原则、先进性原则、高可用性原则)组建防御有效路径模拟平台,进而捕获不同防御方法对DOM跨站脚本攻击的数据波动与重定向,以此来实现对防御方法的模拟.实验证明,所设计的模拟平台能够对不同的防御方法进行精确的模拟,同时平台还能够模拟出防御方法的特性与薄弱点.     

基于Pylinac的放射治疗QA数字化分析系统

目的: 建立放射治疗直线加速器质量保证(Quality Assurance, QA)标准化体系和数字化分析系统是提升放疗水平和质量的有效途径. 方法: 基于Pylinac函数库, 采用Django框架和MySQL数据库结构搭建QA数字化分析系统, 并通过临床测试来评价该系统的稳定性与实用性. 结果: 放射治疗QA数字化分析系统不仅有利于监控及回顾分析直线加速器的运行状况, 而且有效减少医用直线加速器QA流程中计算分析的时间, 同时该系统还有助于放疗科新入职物理师快速熟悉QA流程. 结论: QA数字化分析系统在简化QA工作流程, 提高工作效率的同时, 更对放射治疗直线加速器的治疗体系中QA标准化起到进一步推进作用.     

学习行为大数据可视化的网络数据库学习仿真

针对传统数据库学习可视化程度低,有效提高学习效率,构建了学习行为大数据可视化的网络数据库学习方法.分析学习行为具体特征,结合贝叶斯理论按学习资源归类可视化数据;设定相关学习变量,观测变量,分别将正确率、错误率、所学知识难度、遗忘概率及状态概率等特征作为可视化函数,通过对学习行为数据采集和储存、分析学习行为及建立可视化模块,建立大数据可视化的网络数据库,充分掌握学习者学习行为情况,随后设定数据库学习评定指标函数;仿真结果表明,所提方法学习结果准确性高和平均任务完成效率都有较大提高,学习者的学习能力有显著提升,方法可行性更高.     

智能电网中两阶段网络切片资源分配技术

为满足网络切片在智能电网中的多样化需求,提出了一个在智能电网中基于云-边协同的切片资源分配模型。为优化网络切片分配,提出一种两阶段的切片分配模型：在第一阶段中,以用户体验最优为目标,建立了本地边缘网络的资源分配问题的优化模型,并采用拉格朗日乘子法对此最优问题进行了求解;在第二阶段中,首先将网络切片资源分配系统建模成Markov决策过程,然后提出使用深度增强学习方法对核心云的切片自适应地进行资源分配。实验结果表明所提的两阶段切片资源优化分配模型可有效减少网络延迟,提高用户满意度。     

面向文本分类的多头注意力池化RCNN模型

针对经典循环卷积神经网络（RCNN）在池化层采用的最大池化策略较为单一,会忽略除最突出特征外的其他特征,影响分类精度的问题,提出基于多头注意力池化的循环卷积神经网络（MHAP-RCNN）模型。多头注意力池化可以充分考虑各特征对分类的贡献,且能在训练过程中动态优化,有效缓解最大池化的单一性问题。在三个公开的文本分类数据集上进行实验,结果表明与经典RCNN及其他各模型相比,提出的模型具有更好的文本分类性能。     

基于宽度学习的结构沉降预测

结构监测是确保工程结构建设在施工和运营阶段安全的关键因素,因此采用合理有效的预测模型对结构沉降监测数据进行科学准确的预测成为了当前结构沉降预测研究的重点。针对传统预测方法与深度学习方法用于结构沉降预测存在的预测精度不够高、模型结构复杂、训练耗时等问题,提出了一种基于宽度学习的结构沉降时间序列预测模型。通过实测地铁地下隧道沉降监测数据对宽度学习、人工神经网络、支持向量回归和深度置信网络-支持向量回归预测模型的预测结果进行对比分析。实验结果表明:宽度学习系统(broad learning system,BLS)应用于结构沉降预测具有良好的效果,其训练速度更快,预测精度更高。验证了所提出的宽度学习算法应用于结构沉降预测的可实施性和有效性。