利用~1H-NMR技术建立植物蛋白饮料品质监控系统

利用1H-NMR技术对植物蛋白饮料进行品质检测,采用CPMG脉冲序列获得样品的T2数据。实验表明,可以利用1H-NMR技术检测样品脂肪含量和水分含量的变化情况。T22反映的是样品中脂肪含量的变化,T23反映的是样品中水分含量的变化。随着花生奶浓度的不断降低,T22峰积分面积比例呈线性下降趋势,T23峰积分面积比例呈线性增长趋势,通过拟合公式可以得到样品相对应的脂肪含量及含水量,从而快速、准确判定样品品质是否符合国家标准。     

基于核磁共振技术的牙膏含氟量测量方法

核磁共振是一种物理现象,作为一种分析测试手段在许多领域都有着极为广泛的应用,如地质勘探、石油化工、食品农业等。应用核磁共振技术对牙膏中的含氟量进行测量方法研究,包括应用相对测量、实验原理方法以及相关细节。目的是运用一种新的方法来快速便捷地测量工业生产中牙膏的含氟量,并分析此方法的优缺点、精度和误差。     

基于改进U-Net的关节滑膜磁共振图像的分割

为了准确诊断滑膜炎患者病情，医生主要依靠手工标注和勾画的方法来提取磁共振图像（MRI）中的滑膜增生区域，该方法耗时长、效率低，具有一定的主观性且图像信息利用率低。针对这一问题，提出了一种新的关节滑膜分割算法，即2D ResU-net分割算法。首先，将残差网络（ResNet）中的两层结构的残差块融入到U-Net中，构建2D ResU-net；然后，将样本数据集分为训练集和测试集，而后对训练集进行数据增广；最后，将增广后的所有训练样本用于网络模型的训练。为了检测模型的分割效果，选取测试集中含滑膜炎的断层图像进行分割测试，最终平均分割精度指标可达到：Dice相似系数（DSC）69.98%，交并比（IOU）指标79.90%，体积重叠误差（VOE）系数12.11%。与U-Net算法相比，2D ResU-net算法的DSC系数提升了10.72%，IOU指标升高了4.24%，VOE系数降低了11.57%。实验结果表明，该算法对于MRI图像中的滑膜增生区域可以实现较好的分割效果，能够辅助医生对病情做出及时诊断。     

核磁共振分析仪玉米全自动检测分选系统的设计

核磁共振分析仪在食品检测、种子含油率检测方面已经得到广泛应用.以此为基础设计了一个以Atmega16单片机为核心的玉米全自动检测分选系统,系统由单粒选样、自动进样、自动称重、自动测量、自动卸样和自动分选等六个子系统组成.其分选速度和准确度都远远优于传统的人工分选,并且具有硬件电路简单、可靠性高、控制实时性好等优点.     

医学影像人工智能辅助诊断的样本增广方法

针对不同领域人工智能（AI）应用研究所面临的采用常规手段获取大量样本时耗时耗力耗财的问题,许多AI研究领域提出了各种各样的样本增广方法。首先,对样本增广的研究背景与意义进行介绍;其次,归纳了几种公知领域（包括自然图像识别、字符识别、语义分析）的样本增广方法,并在此基础上详细论述了医学影像辅助诊断方面的样本获取或增广方法,包括X光片、计算机断层成像（CT）图像、磁共振成像（MRI）图像的样本增广方法;最后,对AI应用领域数据增广方法存在的关键问题进行总结,并对未来的发展趋势进行展望。经归纳总结可知,获取足够数量且具有广泛代表性的训练样本是所有领域AI研发的关键环节。无论是公知领域还是专业领域都进行样本增广,且不同领域甚至同一领域的不同研究方向,其样本获取或增广方法均不相同。此外,样本增广并不是简单地增加样本数量,而是尽可能再现小样本量无法完全覆盖的真实样本存在,进而提高样本多样性,增强AI系统性能。     

基于改进U-Net的关节滑膜磁共振图像的分割

为了准确诊断滑膜炎患者病情,医生主要依靠手工标注和勾画的方法来提取磁共振图像（MRI）中的滑膜增生区域,该方法耗时长、效率低,具有一定的主观性且图像信息利用率低。针对这一问题,提出了一种新的关节滑膜分割算法,即2D ResU-net分割算法。首先,将残差网络（ResNet）中的两层结构的残差块融入到U-Net中,构建2D ResU-net;然后,将样本数据集分为训练集和测试集,而后对训练集进行数据增广;最后,将增广后的所有训练样本用于网络模型的训练。为了检测模型的分割效果,选取测试集中含滑膜炎的断层图像进行分割测试,最终平均分割精度指标可达到：Dice相似系数（DSC）69.98%,交并比（IOU）指标79.90%,体积重叠误差（VOE）系数12.11%。与U-Net算法相比,2D ResU-net算法的DSC系数提升了10.72%,IOU指标升高了4.24%,VOE系数降低了11.57%。实验结果表明,该算法对于MRI图像中的滑膜增生区域可以实现较好的分割效果,能够辅助医生对病情做出及时诊断。     

基于单边核磁共振技术的乳制品品质分析

运用单边全开放式核磁共振技术对常见掺假牛乳进行快速检测,并对室温条件下贮藏的市售盒装酸奶进行跟踪监测。在非均匀磁场下采用SGSE-CPMG（static gradient spin echo carr-purcell-meiboom-gill）序列测量各个样品的横向弛豫时间（记为T2CPMG）,经弛豫校正可得到测试样品的横向弛豫时间T2。研究表明,在恒定梯度磁场中不同掺假比例样品随掺假质量浓度的升高其T2CPMG逐渐增大,经弛豫矫正后盒装酸奶样品T2峰位的变化可间接反映其新鲜度。运用单边核磁共振技术可实现乳制品品质的快速无损检测,被测样品无需复杂预处理,其系统硬件结构简单可便携（或安装）至现场进行实时检测。     

永磁低场核磁共振分析仪原理和应用

近年来随着核磁共振技术不断进步,国内许多公司和科研机构成功研制出永磁低场磁共振分析仪,本文以NM120-Analyst型核磁共振分析仪作为这类仪器的代表,简单介绍永磁低场磁共振分析仪的结构原理,再分类讨论永磁低场磁共振分析仪在相关领域的基本应用。实践证明,该类仪器已分别在医学磁共振成像设备教学和培训、食品研究、石油勘探、新能源开发等领域中得到广泛应用。     

深度学习与生物医学图像分析2020年综述

医学大数据主要包括电子健康档案数据（electronic health record,EHR）、医学影像数据和基因信息数据等,其中医学影像数据占现阶段医学数据的绝大部分。如何将医学大数据应用于临床实践?这是计算机科学研究人员非常关注的问题,医学人工智能提供了一个很好的答案。通过结合医学图像大数据分析方向截至2020年的最新研究进展,以及医学图像大数据分析领域最近的工作,梳理了当前在医学图像领域以核磁共振影像、超声影像、病理和电信号为代表的4个子领域以及部分其他方向使用深度学习进行图像分析的方法理论和主要流程,对不同算法进行结果评价。本文分析了现有算法的优缺点以及医学影像领域的重难点,介绍了智能成像和深度学习在大数据分析以及疾病早期诊断领域的应用,同时展望了本领域未来的发展热点。深度学习在医学影像领域发展迅速,发展前景广阔,对疾病的早期诊断有重要作用,能有效提高医生工作效率并减轻负担,具有重要的理论研究和实际应用价值。