基于深度学习的白菜田杂草分割

田间除草在农业生产中具有重要意义,传统杂草识别方式具有效率低或者局限性大的缺点。为此提出将Mask R-CNN算法应用到自然光照下杂草幼苗和白菜幼苗的图像识别。实验选取常见杂草幼苗和白菜幼苗图像作为训练集训练网络,经测试集测试得到81%的合格率。与传统阈值分割算法对比,Mask R-CNN在不同环境下都能精确地识别出杂草幼苗,解决了传统图像算法在复杂光照和叶片遮挡环境下图像难以分割的问题,并且避免了分类器设置工作。     

基于深度学习的口腔鳞癌的诊断与分割方法

针对实际应用中要对图片分类并对癌变图进行癌变区域定位的需求,收集天津市口腔医院典型病例,建立口腔细胞病理切片图像数据集,提出基于深度学习的诊断与分割方法.采用以DenseNet为架构的卷积神经网络对图像进行正常与癌变的分类,利用图像分块思想对高分辨率图像分块进行训练,采用迁移学习和数据增强方法减少过拟合问题的发生.分类完成后,使用以DenseNet网络作为编码结构的UNet++分割网络对判断为癌变的图像进行癌变区域定位,采用组合交叉熵方法确定损失函数进行调优.实验表明,该方法能够较好地完成口腔细胞切片图像的分类识别,识别准确率达98.46％,与金标准对比,得到了较理想的分割结果.该方法有助于口腔细胞病理自动诊断系统的开发,可用于口腔鳞癌病理辅助诊断.     

大断面Y型拱形巷道交叉点稳定性数值分析

针对Y型交叉点围岩稳定性控制方面的问题,运用FLAC3D软件,采用S-B建模方法对不同的交叉角度、埋深、围岩强度、侧压系数以及开挖顺序等影响因素进行数值模拟分析。结果表明,与交叉点角度和侧压系数相比,埋深、围岩强度、开挖顺序对Y型交叉点的影响更为显著。且埋深和围岩强度对交叉点稳定性的影响均存在1个拐点,当参数大于拐点时均会产生较大的破坏。而侧压系数对交叉点的影响主要体现在对交叉点塑性区域大小的影响,虽无规律,但是波动范围不大。     

口腔癌筛查与诊断的影像学技术及发展趋势

目前，口腔黏膜病的筛查和诊断主要依靠临床医生的目视观察和触诊，组织病理学仍然是口腔癌诊断的金标准。目视观察、触诊和组织病理学方法都存在不同的局限性。近年来，随着影像学技术的不断发展，X射线计算层析、核磁共振、超声、荧光、光声、光学相干层析等技术逐渐被应用于口腔黏膜病的成像研究。不同影像学技术的成像原理、成像能力及性能各不相同，在口腔癌的筛查与诊断中可以发挥不同的优势，具有极大的临床应用潜力。本文主要总结了现有影像学技术在辅助口腔癌筛查和诊断中的研究进展，分析了它们的临床适用性，并预测了口腔癌筛查与诊断影像学技术未来的发展趋势。