特征反馈机制优化的超声图像病灶检测算法

该文提出一种基于特征反馈机制的超声图像病灶检测方法,以实现超声病灶的实时精确定位与检测。所提方法由基于特征反馈机制的特征提取网络和基于分治策略的自适应检测头两部分组成。特征反馈网络通过反馈特征选取和加权融合计算,充分学习超声图像的全局上下文信息和局部低级语义细节以提高局部病灶特征的识别能力。自适应检测头对特征反馈网络所提取的多级特征进行分治预处理,通过将生理先验知识与特征卷积相结合的方式对各级特征分别进行病灶形状和尺度特征的自适应建模,增强检测头对不同大小病灶在多级特征下的检测效果。所提方法在甲状腺超声图像数据集上进行了测试,得到了70.3%的AP,99.0%的AP50和88.4%的AP75,实验结果表明,相较于主流检测算法,所提算法能实现更精准的实时超声图像病灶检测和定位。     

竹纤维的表面包覆及其对浇注型聚氨酯弹性体力学性能的影响

通过一种异氰酸酯基团(—NCO)质量分数为14.5wt%的高活性聚氨酯(PU)包覆剂对竹纤维(BF)进行表面包覆获得包覆型竹纤维(PUBF),采用原位聚合法制备了包覆型竹纤维增强浇注型聚氨酯(PUBF/PU)弹性体复合材料。采用FTIR、SEM、XRD及接触角测试仪对PUBF及BF进行了表征。结果表明,BF表面成功包覆了具有活性氨基(—NH₂)封端的PU薄层,改善了BF与浇注型聚氨酯PU间的界面相容性及界面结合。复合材料中的PUBF质量分数为3wt%时,80℃下预聚体黏度仅为2.2 Pa·s,与纯预聚体黏度接近;对应PUBF/PU复合材料的拉伸和撕裂强度分别为38.0 MPa和82.9 kN/m,比纯浇注型PU分别提高51.6%和25.6%。高活性PU包覆剂预先包覆BF适合制备PUBF/PU复合材料。