基于NSST域卷积神经网络的低剂量CT图像恢复

为解决低剂量CT（Low-Dose Computed Tomography,LDCT）图像中的噪声/伪影问题,提出一种基于非下采样Shearlet变换（Non-Sample Shearlet Transformation,NSST）的卷积神经网络（Convolution Neural Network,CNN）的NSST-CNN模型。训练时,对数据集中的常规剂量CT（Normal-Dose Computed Tomography,NDCT）和LDCT图像做NSST分解,将LDCT图像的高频子图作为输入,LDCT和NDCT图像的高频子图的残差图像作为标签,通过CNN训练,学习LDCT高频子图和高频残差子图的映射关系;测试时,将LDCT图像的高频子图减去利用映射关系预测的主要包括噪声/伪影的高频子图,然后做NSST反变换得到高质量的LDCT图像。实验结果表明,与KSVD、BM3D以及图像域CNN方法相比,NSST-CNN模型得到的结果具有更高的峰值信噪比和结构相似度,更接近NDCT图像。     

平稳小波域深度残差CNN用于低剂量CT图像估计

针对低剂量计算机断层扫描（LDCT）重建图像中存在大量噪声的问题,提出了一种平稳小波的深度残差卷积神经网络（SWT-CNN）模型,可以从LDCT图像估计标准剂量计算机断层扫描（NDCT）图像。该模型在训练阶段,将LDCT图像经平稳小波（SWT）三级分解后的高频系数作为输入,将LDCT图像高频系数与NDCT图像高频系数相减得到残差系数作为标签,通过深度卷积神经网络（CNN）学习输入和标签之间的映射关系;在测试阶段,利用此映射关系即可从LDCT图像的高频系数中预测NDCT高频系数,最后通过平稳小波反变换（ISWT）重构预测的NDCT图像。实验采用50对大小为512×512的同一体模的常规剂量胸腔及腹腔扫描切片和投影域添加噪声后的重建图像作为数据集,其中45对作为训练集,其余5对作为测试集。将所提模型与效果较好的非局部降噪算法、K-奇异值分解（K-SVD）算法、匹配三维滤波（BM3D）算法及图像域CNN（Image-CNN）模型对比,实验结果表明,SWT-CNN模型预测的NDCT图像信噪比（PSNR）和结构相似性（SSIM）高,且均方根误差（RMSE）小于其他算法处理结果。该模型对于提高低剂量CT图像质量是可行且有效的。     

不同品种软枣猕猴桃品质指标的主成分分析

通过测定不同品种软枣猕猴桃的外观品质、营养成分等指标,并对其进行对比与分析,为不同品种软枣猕猴桃的合理选择及加工利用提供研究基础。以辽宁省丹东市同一栽培地的8个主栽品种的软枣猕猴桃为研究对象,采用国标法分别测定不同品种果实的外观品质、营养成分等13项指标,利用主成分分析法对不同品种软枣猕猴桃的13项指标进行分析。结果表明:不同品种软枣猕猴桃之间存在着较为明显的差异,其中色度值、果型指数、可滴定酸、结合型总黄酮的变异系数较大。LD241的饱和度最大,色度值为4.724;大龙二的果型指数值最大,其数值为1.779;金香玉含有的可滴定酸最高,其数值为2.68 mg/100 g;野生果的结合型黄酮含量最高,其数值为85.01 mg/100 g。通过主成分分析法进行分析可得,第一主成分由DPPH自由基清除率、黄酮、维生素C等指标决定,表现出显著的抗氧化特性;第二主成分主要由可滴定酸决定,表现出独特的口味特性和加工特性;第三主成分主要由可溶性固形物决定,表现出独特的营养特性,第四主成分由色度值决定,表现出独特的外观品质。其累积方差贡献率的值可达91.962%。因此,主成分分析法可充分反应不同品种软枣猕猴桃的优质特性,可作为不同品种软枣猕猴桃果实品质特性的评价方法。     

云南省高校毕业生就业现状及影响因素分析

促进高校大学生就业已经成为政府解决民生问题的一项重要工作,文章对云南大学、云南师范大学、昆明理工大学的应届毕业生以及近两年毕业仍在待业的学生进行了"就业满意情况"访谈调查,通过对调查情况的分析以及相关图书、网络资源的查询,从政策、经济、社会等方面归纳了在滇学生就业难的原因,以期唤醒在校学生的就业危机意识,并提出借鉴国外就业的新思维、新方法,立足自身、加强技能、转变就业观念等来提升大学生就业率。     

讨论节能型建筑设计

本文阐述建筑耗能的现状与建筑节能的必要性;探讨了节能型居住建筑应从整体设计等多方面综合考虑。在不同区位下,采取的节能措施也不相同,对地域技术的研究同样是首要面临的关键性问题。     

改进深度残差卷积神经网络的LDCT图像估计

针对低剂量计算机断层扫描（Low-Dose Computed Tomography,LDCT）重建图像出现明显条形伪影的现象,提出了一种基于残差学习的深度卷积神经网络（Deep Residual Convolutional Neural Network,DR-CNN）模型,可以从LDCT图像预测标准剂量计算机断层扫描（Normal-Dose Computed Tomography,NDCT）图像。该模型在训练阶段,将数据集中的LDCT图像和NDCT图像相减得到残差图像,将LDCT图像和残差图像分别作为输入和标签,通过深度卷积神经网络（Convolution Neural Network,CNN）学习输入和标签之间的映射关系;在测试阶段,利用此映射关系从LDCT图像预测残差图像,用LDCT图像减去残差图像得到预测的NDCT图像。实验采用50对大小为512×512的同一体模的常规剂量胸腔扫描切片和投影域添加噪声后的重建图像作为数据集,其中45对作为训练集,其他作为测试集,来验证此模型的有效性。通过与非局部降噪算法、匹配三维滤波算法和K-SVD算法等目前公认效果较好的图像去噪算法对比,所提模型预测的NDCT图像均方根误差小,且信噪比略高于其他算法处理结果。     

有机胺碱对硅粗抛光及表面微形貌的影响

硅单晶抛光片是极大规模集成电路应用最广泛的衬底材料,抛光液为影响硅单晶片抛光最关键的因素。通过改变抛光液中有机胺碱配比来调节抛光液的pH值。实验结果表明:随着有机胺碱比例的不断增加,pH值随之上升,硅片的去除速率(material removal rate,MRR)先增大后减小。pH值在10.5左右时去除速率达到最大值(1706nm/min)。此时用Agilent 5600LS型原子力显微镜测得硅片表面的粗糙度为0.369nm。并用马尔文Zetasizer 3000HSA纳米粒度分析仪测定不同有机胺碱浓度下的抛光液中水溶胶磨粒粒径变化。通过对实验后晶片表面进行检测并结合去除速率综合考虑,抛光液pH值宜选择为10.5左右。抛光速率在pH值为10.3～10.6比较稳定。     

ZnO掺杂TiO2厚膜的sol-gel法制备及气敏特性研究

利用钛酸丁酯与无水乙醇的水解反应制备了纳米TiO2厚膜,并对其进行了不同含量的ZnO掺杂和不同温度的退火.通过XRD和SEM对所制备的ZnO-TiO2纳米粉的物相结构和表面微观形貌进行了表征,利用气敏元件测试系统对用其制备的气敏元件的气敏特性进行了检测,研究了ZnO的掺杂量和退火温度对TiO2厚膜气敏性能的影响,并对T...     

蛋黄中免疫球蛋白提取副产物的综合利用研究

以蛋黄免疫球蛋白提取后的副产物-冻融蛋黄颗粒（FYP）为原料,经酶解和亚临界萃取后制备具有良好功能特性与品质的低脂蛋黄粉和蛋黄油,以期实现蛋黄资源的综合利用。首先采用蛋白酶对已发生变性的FYP进行酶解,研究酶解对其功能性质的改善效果,进而采用亚临界萃取低脂蛋黄粉和副产物蛋黄油,以低脂蛋黄粉的残油率为主要指标对萃取工艺进行优化,最终选择丙烷为萃取溶剂,萃取温度35 ℃,压力1.5 MPa,时间120 min,料液质量体积比1 g∶ 7 mL。进一步对低脂蛋黄粉的溶解性和乳化性等特性进行分析。结果表明,随着加酶量的增加,低脂蛋黄粉的溶解度上升,乳化性能提高,残油率明显下降。当加酶量为1 000 U/g时,低脂蛋黄粉的残油率为15.50%。而进一步增加酶添加量,反而会降低油脂萃取效率。因此,酶的最适添加量为1 000 U/g,此条件下制得的低脂蛋黄粉含脂量低且具有较好的溶解性和乳化性。