基于卷积神经网络的脑肿瘤分割方法综述

脑肿瘤自动分割对脑肿瘤诊断、手术规划和治疗评估中起着重要的作用。然而,由于脑病变结构的高可变性,组织边界模糊,以及数据有限和类不平衡等问题,导致其仍面临巨大的挑战。目前,大部分分割依赖手工,耗时耗力,易受主观影响,寻求一种高效的自动分割方法非常具有研究意义。介绍了脑肿瘤分割的研究背景、意义和难点,并概述了其发展历程;从数据和结构优化两方面详细描述基于脑肿瘤分割的卷积神经网络,简介脑分割常用的数据集和性能指标;分析了2017至2019年的BraTs挑战赛中排名靠前的算法性能,并讨论分析卷积神经网络应用于脑肿瘤分割的发展趋势。     

装配式集装箱结构体系优化及节点性能

为建立装配式集装箱结构的标准体系并掌握其力学性能,以一个典型的集装箱建筑方案为基础,以规范要求为评价指标,对其进行了6种不同结构方案的静力分析和抗震分析,研究了设置横梁立柱、辅助拉杆等构造措施对结构性能的影响,结果表明:该集装箱建筑体系对风荷载较为敏感,构件截面主要由风荷载控制,地震作用不起控制作用,增加局部立柱和横梁对于提高集装箱建筑的抗侧移刚度作用不明显,而设置侧向拉杆则能有效加强结构抗侧移刚度.最后采用多尺度分析方法对结构所采用的装配式集装箱建筑节点进行了模拟分析,结果表明该节点在结构各种工况下均能保持良好的工作状态,可为类似集装箱建筑的节点选用提供技术参考.     

基于线性多尺度模型的计算机网络数据流量预测

为了解决网络安全监控问题,提出了一种用于预测网络流量的算法.通过多个不同尺度的线性模型进行网络数据的组合预测,每个尺度的线性模型由经过滤波器滤波后的部分原始数据估计得到,最终的预测流量数据由多个尺度线性模型的平均预测值得到.选择的线性模型为自回归滑动平均模型,且尺度较小的线性模型对应自回归滑动平均模型的阶数较高.结果表明,本算法的预测精度高,整体预测误差的均值在10-3量级.     

基于广义分形插值理论的多尺度分类尺度下推算法

多尺度数据挖掘多应用于空间遥感图像数据,以图像的分辨率或者区域分割为依据进行尺度划分,然后在每个尺度层进行分析。近期,有不少学者将多尺度数据挖掘应用于一般数据集上,以等级理论、概念分层和包含度理论尺度划分等为尺度划分依据,研究不同尺度层的分布规律,进而发现有意义的事实,如多尺度关联规则以及多尺度聚类。但是在一般数据集下,很少将多尺度数据挖掘应用于分类算法领域。本文定义了广义分形插值理论的概念,打破了局限于迭代函数系统IFS(Iterative Function Systems)的缺憾,拓展了分形插值的应用;提出了基于广义分形插值理论的多尺度分类尺度下推算法MSCSDA(Multi-Scale Classification Scaling-Down Algorithm);仿真实验建立在4个UCI基准数据集和1个H省部分人口真实数据集上,并将MSCSDA与KNN、Decision Tree以及Libsvm算法进行对比分析;实验结果表明,MSCSDA算法在不同的数据集上,均优于其他算法。     

基于图像分层树的图像语义分割方法

针对传统语义分割模型缺乏空间结构信息,无法准确地描述对象轮廓的问题,提出了一种基于图像分层树的图像语义分割方法。分层树模型采用结构森林方法生成轮廓模型,为防止过度分割,运用超度量轮廓图算法得到多尺度轮廓图,然后利用支持向量机训练多尺度轮廓图生成图像分层树,通过随机森林精炼分层树,最终输出图像语义分割结果。在测试实验中,像素精确度达到82.1%,相比区域选择方法(Selecting Regions)提升了2.7%。并在较难区分的树和山脉的预测精确度上,相比层次标记方法(Stacked Labeling)分别提升了16%,25%,具有更高的稳定性。实验结果表明,在复杂的室外环境下,对图像语义分割的精确度、稳定性和速率均有明显改善。     

基于多尺度相关向量机的城市日用水量预测

为提高日用水量预测精度,提出一种基于多尺度相关向量机的预测模型。通过静态小波分解将用水量非平稳时间序列分解为不同尺度的平稳时间序列,然后在分解后的各子序列分别建立相关向量机回归模型进行预测,最后通过小波逆变换将各子序列预测结果整合得出原始用水量时间序列的预测值。在实例分析中分别利用多尺度关联向量机模型和单尺度相关向量机预测模型对实际用水量进行预测分析。结果表明,前者具有更高的预测精度,可应用于城市日用水量的预测。     

提取B超病灶的尺度分解小邻域统计水平集方法

在区域水平集方法基础上,利用小波变换将图像分解成多尺度子图像,对不同尺度子图像进行边缘提取并经过数学形态学算子修正,得到接近目标边界的水平集初始轮廓,解决了区域水平集方法对初始轮廓要求高的问题;接着运用小邻域统计方法计算并判断各像素点小邻域统计信息,筛选出该邻域内有效点集作为本次参数代入水平集公式进行迭代运算。实验表明:与几种现存的水平集方法相比,小邻域统计水平集方法能够较好地抑制B超图像噪声,快速地确定病灶边界,对模糊边界的捕获效果好。     

基于成因机理及主控因素约束的多尺度裂缝“分级-分期-分组”建模方法——以四川盆地元坝地区上二叠统长兴组生物礁相碳酸盐岩储层为例

油气藏中普遍发育多类、多尺度天然裂缝,其成因具有多期次性,规模具有多级次性,发育受多种地质因素综合控制,这些特点为裂缝的精细三维地质建模带来了很大挑战。以四川盆地元坝地区上二叠统长兴组生物礁相碳酸盐岩储层为例,提出了一种基于成因机理及主控因素约束的多尺度裂缝“分级-分期-分组”三维地质建模方法,认为多尺度裂缝建模应遵循等时约束、层次约束及成因控制等原则,建模过程中应充分开展裂缝地质研究,根据研究区实际建立合理的裂缝级次、期次划分方案,分级、分期开展裂缝三维建模。(1)大尺度裂缝主要采用确定性方法进行建模,中-小尺度裂缝则采用其成因机制和发育主控因素进行约束建模;(2)在裂缝分期、分组描述和参数统计获得关键地质规律认识的基础上,通过地质力学方法分期开展中-小尺度裂缝分布预测,进而采用“分期-分组”的思路进行建模;(3)最终将大尺度裂缝模型和中-小尺度裂缝模型进行融合,得到多尺度裂缝网络模型。元坝地区长兴组储层多尺度裂缝建模实践表明,上述建模方法可有效弥补传统方法在建立中-小尺度裂缝模型精度方面的不足。     

基于多尺度数学形态学和高低频能量比值的海上风电场内部瞬态过电压特征分析

目前,海上风电场集电系统因电气设备频繁操作或故障所引起的高频瞬态过电压尤为严重。为识别不同类型下海上风电场内部过电压的瞬态特性,该文首先提出一种多尺度数学形态学信号特征提取方法,构建形态学结构元素新算子,运用多尺度数学形态分解方法提取瞬态过电压的高低频成分,构建适用于识别海上风电场内部瞬态过电压类型的时域特征量。再基于所构造的高频特征量和高低频能量比值识别特征量,结合支持向量机分类器模型对典型的内部瞬态过电压分类识别。仿真和试验研究表明,所提出的数学形态学算法相对于传统的小波算法,构造的特征量区分度更明显,可以准确地识别过电压类型,为海上风电场变电站电气设备的电压保护整定和绝缘配合奠定基础。     

基于红外图像的眼睛开闭检测方法

基于红外眼睛图像,提出一种红外环境下判断眼睛开闭状态的方法,并应用于疲劳驾驶检测当中。对图像采用基于余弦的Gamma校正压缩灰度值域的高低两端,同时扩展中间灰度值范围提高对比度,使用多尺度Retinex变换消除阴影的干扰以获取更准确的眼睛形态,根据眼角角度和上下眼睑间的高度在平面坐标上的分布特征对眼睛状态进行分类。实验结果表明,该方法可以有效地判断眼睛的状态。