LFSCA-UNet：基于空间与通道注意力机制的肝纤维化区域分割网络

目的 肝纤维化是众多慢性肝脏疾病的常见表现,如不及时治疗可发展为肝硬化甚至引发肝癌。肝纤维化的准确评估对临床治疗和预后评估等至关重要。目前,肝纤维化的诊断通过肝穿活检判断,有创且有并发症危险。为此,基于影像学的无创诊断方法越来越受到关注。本文提出一种基于通道注意力与空间注意力机制改进的用于肝纤维化区域的自动化分割U-Net （liver fibrosis region segmentation network based on spatial and channel attention mechanisms,LFSCA-UNet）。方法 依据Attention U-Net的改进方式,围绕U-Net的跳跃连接结构进行基于注意力的改进,在AG （attention gate）的基础上,加入以ECA （efficient channel attention）模块为实现方式的通道注意力机制,依据加入ECA的位置,LFSCA-UNet分为A、B、C共3个子型。结果 在肝数据集上与其他实验网络进行评估对比,本文提出的LFSCA-UNet网络结构平均Dice系数达到了93.33%,相比原始U-Net的Dice系数提高了0.539 6%。结论 本文方法将空间注意力机制与通道注意力机制进行结合,有效提高了肝纤维化区域的分割精度,对空间注意力模块使用通道注意力模块优化输入和输出,增加了网络的稳定性,提升了网络的整体效果。     

异构网络光传感通信跨域口令认证方式优化

为了解决异构网络通信跨域口令认证效率低、安全性差的问题,提出了改进传统C2C-PAKE认证协议安全性能,改善切换切入阶段时延的跨域口令认证方式优化方法.改近传统C2C-PAKE认证协议,建立分立式子层,形成多层扩展子层认证系统,引入私钥机制及随机序列数解密用户信息,生成跨域通信用户特有的认证口令,用自身私钥加密语义信息和认证协议,重复用户验证步骤,排除其它恶意攻击者,提高认证安全指数;在预切换和接人认证传输安全口令阶段,应用增加算法得到口令认证域间信任列表,提高认证效率,建立异构网络跨域通信实验环境,仿真对比结果表明,在安全性能和认证效率两方面,所提方法遭遇的认证威胁与认证开销均优于其它方法,具有广阔的应用空间.     

基于深度学习的集群式供应链应急物资需求预测研究

在突发事件和大数据情景下,建立基于数据流模糊C均值聚类算法的集群式供应链应急物资需求重要度决策算法,有助于辨识集群式供应链子系统应急物资需求的重要程度。针对集群式供应链中各子供应链之间的耦合特性和预测指标的快速变化数据流特征,提出基于长短期记忆网络的集群式供应链应急物资需求动态预测算法,提取集群式供应链多个子系统应急物资需求参数的时序特征,动态地、分布地对互联大系统的应急物资需求不确定性进行系统辨识估计。仿真实验结果表明了基于长短期记忆网络的集群式供应链互联大系统应急物资需求动态预测算法的可行性和精确性。     

基于显著性的遥感图像舰船目标检测

舰船作为海洋信息感知中的重要目标,其检测在军舰探测、精确制导等军用领域以及海面搜救、渔船监测等民用领域具有极其重要的战略意义.海洋遥感图像受云雾、风浪、海杂波和光照等干扰使得舰船检测具有挑战性.根据可见光遥感图像舰船目标检测特点提出粗检测和细鉴别相结合的技术路线.先基于视觉显著性的谱残差法对图像进行增强以提取目标候选区域,后根据舰船与干扰因素差异采用舰船方向梯度直方图特征对目标候选区域进行鉴别,提取真正的舰船目标.实验结果表明,上述算法舰船检测率高,对光照、海杂波干扰具有一定程度的鲁棒性,且能有效剔除碎云岛屿等干扰物,显著降低虚警率.     

Finite Time Synchronization of Delayed Quaternion Valued Neural Networks with Fractional Order

Neural Processing Letters - In this article, the finite time (FT) synchronization problem of fractional order quaternion valued neural networks with time delay is investigated. Without separating...     

An improved K-means algorithm for underwater image background segmentation

Conventional algorithms fail to obtain satisfactory background segmentation results for underwater images. In this study, an improved K-means algorithm was developed for underwater image background segmentation to address the issue of improper K value determination and minimize the impact of initial centroid position of grayscale image during the gray level quantization of the conventional K-means algorithm. A total of 100 underwater images taken by an underwater robot were sampled to test the aforementioned algorithm in respect of background segmentation validity and time cost. The K value and initial centroid position of grayscale image were optimized. The results were compared to the other three existing algorithms, including the conventional K-means algorithm, the improved Otsu algorithm, and the Canny operator edge extraction method. The experimental results showed that the improved K-means underwater background segmentation algorithm could effectively segment the background of underwater images with a low color cast, low contrast, and blurred edges. Although its cost in time was higher than that of the other three algorithms, it none the less proved more efficient than the time-consuming manual segmentation method. The algorithm proposed in this paper could potentially be used in underwater environments for underwater background segmentation.

     

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.     

基于多时序特征和卷积神经网络的农作物分类

近年来,以卷积神经网络为主的深度学习模型在各种遥感应用中都显示出巨大的潜力。以加州帝国郡为研究区,以Landsat 8 OLI年内时序遥感影像计算时序植被指数NDVI、EVI、RVI以及TVI,组合后输入到构建的一维卷积神经网络 模型,以实现作物的高精度精细分类。为了验证卷积模型的优越性,另搭建了基于递归神经网络及其变体的深度学习模型。结果表明：①引入其他时序特征后,能够有效地提高卷积神经网络的分类精度。NDVI+EVI+TVI+RVI组合特征总体精度和Kappa系数最高,分别是89.667 4%和0.856 0,对比NDVI时序特征总体精度和Kappa系数提高了近4%和0.6。②在与其他深度学习模型的对比中,一维卷积神经网络分类精度最高,能够从时序数据中较为准确捕捉作物时序特征信息,尽管递归神经网络被广泛应用于序列数据的研究,但分类结果要略差于卷积神经网络。实验表明在NDVI的基础上引入其他植被指数辅助,能够有效地提高分类精度。基于一维卷积神经网络的深度学习框架为长时间序列分类任务提供了一种有效且高效的方法。     

2008~2016年MODIS多角度大气校正气溶胶产品在中国的时空分布及变化趋势

探究全国大气气溶胶分布及变化特征,准确了解中国地区气溶胶光学特性对研究大气环境污染、应对全球气候变化是非常重要的。对2008~2016年的MODIS MAIAC气溶胶光学厚度数据在中国的适用性进行验证,并采用Mann-Kendall方法,从不同的时空尺度和气溶胶类型上分析中国地区AOD值的时空变化特征。结果表明：①验证表明C6的MAIAC反演结果在中国AERONET匹配点上表现良好,C6的MAIAC反演AOD结果适用于中国区域;②从年际尺度上看,2008~2016年AOD年均值整体呈波动下降;从季节尺度上看,AOD季节变化呈春季整体高、夏季中心高、秋冬季水平低的特点,各省AOD平均值及各省份划区AOD平均值随季节变化趋势相似。③在空间上,AOD呈东南高、西北低、高值中心聚集的特征。④中国AOD变化整体呈现出东部减少且集聚,西部增加且分散的变化特征。可进一步探究不同种类气溶胶分布和气溶胶与典型大气污染物分布关系,以期为中国环境污染治理提供更好的决策指导。     

面向虚拟介入手术的电磁力反馈模型的设计与仿真

为满足虚拟血管介入手术中力触觉反馈的实时性和精准性,采用磁悬浮原理设计一种力反馈模型生成虚拟介入手术中的周向旋转力触觉.通过分析通电线圈磁场特性和介入手术操作模式,首先设计电磁线圈阵列的拓扑结构和手术器械模型;随后针对线圈阵列提出最优电流分配策略并进行仿真验证;最后通过模型融合方法构建力矩-电流预测模型.实验结果表明,该模型能以3％的误差、40 Hz的频率预测出电流,结合最优电流分配策略可对介入手术中的关键力反馈进行实时、精确还原.