应用于平扫CT图像肺结节检测的深度学习方法综述

肺癌是一种致死率很高的癌症.通过肺部平扫CT影像检测肺结节对肺癌早期诊断、治疗意义重大.全面介绍了一种革命性的图像识别技术——深度学习方法,在肺结节检测中的应用.首先,横向对比了不同卷积神经网络的结构及其在图像识别上的效果,其次着重分析了不同深度学习方法在训练肺结节分类器上的应用,包括faster-RCNN、迁移学习、残差学习以及迁移学习.还介绍了一些可用的肺部CT影像数据集供读者参考.     

一种基于高阶互累计量的遗传盲反卷积算法

提出了一种基于高阶互累计量的遗传盲反卷积算法,旨在解决现有许多基于独立分量分析盲反卷积算法中存在的两个共同缺陷.一是算法中引入的非线性函数依赖于源信号的峭度性质,当观测信号为超高斯信号与亚高斯信号的卷积混合时,算法性能急剧下降.二是算法中大多采用梯度法对分离矩阵序列进行寻优,初始值和步长的设定对搜索性能影响较大,使得寻优过程易陷入局部极优值,从而降低算法的分离效果.在阐述了算法的相关原理和设计思路之后,通过对比试验验证了算法的正确性和有效性.     

基于卷积神经网络的高压电缆局部放电信号分类

尽早发现高压电缆局部放电信号类型并采取相应措施,对于有效避免绝缘系统遭受破坏至关重要。针对高压电缆中4类常见的典型缺陷产生的局部放电信号,本文提出一种基于卷积神经网络的高压电缆局部放电信号分类方法。首先构建缺陷模型,采集4类缺陷的局部放电信号作为样本,并用电压幅值-相位谱图作为输入数据集;然后利用多层卷积核进行特征提取,多分类器进行分类回归;最终得到训练完成的卷积神经网络。比较而言,基于反向传播(back propagation,BP)神经网络和自编码神经网络的分类方法分类效果不稳定,整体准确率较差,本文方法的特征提取能力更强,对每一类信号的分类效果都较好,具有更广阔的应用前景。     

一种高精度光谱信号采集系统的设计及应用

介绍一种高精度光谱信号采集系统的设计方法及其在连续分光式生化分析仪中的应用。系统以基于ARM技术的S3C2440为控制核心,采用基于数字电位器的柔性增益放大电路设计技术,并选用16位高分辨率A/D对光谱信号进行数据采集,实现了生化分析仪吸光度准确度偏差不大于0.01Abs的性能指标。生化分析仪的临床应用表明,系统具有运行稳定、抗干扰能力强和精度高等优点。     

科技文献主题词的自动标引法

本文介绍利用后邻字符树方法对文献进行计算机自动处理, 对主题词表进行重排, 再结合位置信息 实现科技文献主题词的自动标引.     

科技文献主题词的自动标引法

本文介绍利用后邻字符树方法对文献进行计算机自动处理，对主题词表进行重排，再结合位置信息实现科技文献主题词的自动标引．     

《信号与系统》课程案例教学方法研究

案例教学法是一种以学生为中心、高交互性好的教学模式,对于激发学生的学习热情,培养学生分析问题、解决问题的能力起着重要的作用.本文分析了《信号与系统》课程的特点,阐明了案例式教学的必要性,提出在教学过程中采用案例教学模式与传统教学模式相结合的方法,并通过实例阐述了案例式教学方法在教学过程中的具体应用.     

基于RISC-V的卷积神经网络定制处理器

针对卷积神经网络在物联网设备的加速问题,提出在RISC-V架构的基础上,为卷积神经网络定制专用的加速处理器RCP(RISC-V CNN Processor),通过定制处理器技术从硬件视角进行卷积运算的加速。设计了基于RISC-V处理器的五级流水线,对流水线上的数据冲突和控制冲突提供了相应的解决方案;为卷积计算定制了MLAD/MSTORE/MMUL/MPOOL四条指令,加快了RCP处理器的卷积操作;验证RCP处理器的定制指令集,并通过运行卷积神经网络测试RCP处理器的功能。实验数据表明,使用了定制的指令集技术后,CNN的执行效率提高了3.38倍,加速了物联网设备中的卷积运算。     

N苷Amadori重排的研究(Ⅰ)

由Amadori在1926—1931年间发表的研究成果而得名的Amadori重排反应,迄今为止仍为人们所重视,是由于这个反应十分巧妙,应用甚广。在温和的条件下,还原糖与含有氨基的化合物反应,生成N苷糖基胺,由于酸的催化重排成相应的N苷酮糖,这就是Amadori重排反应,例如,D—葡萄糖和苯胺作用可得到     

电流镜及其在多值I2L电路开关级设计中的应用

运用开关信号理论和有界算术运算理论，对电流镜的多种性质进行了讨论，并系统研究了利用电流镜实现电流信号的各种算术运算，其中倍除运算属于初次提出，最后通过N进制半加电路和N值比较电路等两个设计实例介绍了电流镜技术在I^2L电路开关级设计中的应用。     

基于四元数尺度函数的边缘检测方法

四元数解析信号是解析信号在四元数意义下的推广,其由原信号、四元数方向Hilbert变换和四元数交叉项Hilbert交换构成。通过四元数解析信号的极坐标表示,可得信号的特征表示,如局部相位角和局部振幅,其中局部相位角包含信号的结构信息。研究了右四元数解析信号,给出了其二维延拓定理,得到右四元数尺度函数,并将其局部特征应用于彩色图像的边缘检测,提出了基于局部相位角和局部振幅的边缘检测方法,通过对比实验,证明了基于局部相位角的边缘检测方法在抗噪上具有鲁棒性。     

可分辨信号空间理论 Ⅰ.采样定理

建立了可分辨信号空间的概念,构造性地建立起该空间内函数的采样定理,由此将以Shannon采样定理为核心的信号处理方式纳入新的体系。     

基于和图的电流型CMOS三变量通用逻辑门设计

电流型电路具有高速、低功耗、带宽、设计方便、直观、易于实现多值逻辑电路等优点。阈算术代数系统的提出为电流型电路的设计提供了更符合电流信号运算特点的系统方法,而和图是将逻辑函数转化为阈算术函数的图形表示方法。本文在谱技术的基础上,提出了一种新的和图与谱系数图的转换方法,设计了一种基于和图的电流型CMOS三变量通用逻辑门,即三变量特征阈值逻辑门,可实现任意的三变量阈值函数。     

一种基于视频信号处理的显微镜自动聚焦方法

提出一种基于模拟图像视频信号处理的显微镜自动聚焦方法,直接截取图像的视频信号进行实时处理,得到正确聚焦与否的判据参数,实现自动聚焦,并给出了以视频信号的电平差分绝对值之和作为聚焦评价函数.该方法具有功耗低、聚焦快等特点.     

表征学习驱动的多重网络图采样

已有的图采样方法侧重于单图采样,关注如何在一张图上通过采样保留其特定的拓扑结构特征。随着数据采集能力的提升,多重网络图在实际应用中越来越普遍,即相同的节点集在不同场景中具有不同的网络关系。针对传统图采样方法无法兼顾多重网络图结构特征的问题,提出了表征学习驱动的多重网络图采样算法。首先,设计融合多重网络图结构特征的图表征学习方法,将节点投影至二维的表征学习空间;其次,利用改进的自适应蓝噪声采样算法,考虑节点密度和网络连通性,从表征学习空间筛选节点,以保持其多重网络结构特征及图上下文结构特征。进而开发了一套多重网络图采样可视分析系统,支持用户交互式地探索多重网络图采样,并与已有采样算法进行对比。案例分析和评估实验证明了本文算法在多重网络图采样中的有效性。     

掺铒光纤激光器自混合理论与微振动位移测量

利用线形掺铒光纤激光器搭建了一种新型光纤传感测量系统来测量微振动位移.采用条纹计数法分析自混合干涉信号,实验显示扬声器的振幅与驱动电压成很好的线性关系.该实验装置结构简单、成本低.实验结果表明,用该传感系统来进行振动位移测量,信号稳定,方法简单、迅速.     

二值和灰度图像的直接多尺度表示算法

图像多尺度表示是图像处理的重要内容,常规的离散处理方法常依赖于坐标或网格的选取,因此处理结果很不稳定,本文提出了不依赖网格划分方法、不依赖坐标选取方式的快速、直接多尺度表示算法．应用该算法可直接得到任意指定一层（指定尺度）的图像,因而没有大多数算法因为逐层计算所带采的误差传播或误差扩散现象,同时该算法因保持处理前后图像的“整体”相似,因而能最大限度地体现形状保持乃至拓扑保持,算法计算非常简单,且不局限于特定类型的图像,可用于高要求的图像处理领域。     

证据的信任函数表示

以诊断推理为应用背景，研究了信任函数理论框架下的证据表示．从似然原理出发，给出了基于似然性的信任函数所要满足的性质，引入了嵌套表示，建立了嵌套表示与稳健贝叶斯推断的联系，并以一个简化的诊断推理过程为例，说明了嵌套表示的应用，最后指出嵌套表示与其它表示方法的差异来自对似然原理的不同理解．     

基于形心的灰度图像多尺度表示方法

图像的多尺度表示在多种领域有着重要应用.基于形心的多尺度表示方法能有效应用于二值图像.作者提出了应用于灰度图像的基于形心的多尺度表示方法.同样,该方法能保持源图像的对称性,并且具有形状乃至拓扑的基本保持.其次,还提出了将灰度图像转为三维二值图像进行多尺度表示的方法.实例表明,以上方法在多种领域均能有效应用于灰度图像的多尺度表示.     

单片机AT89C51在UHF和VHF频率测量系统中应用的研究

根据频率测量的基本原理，采用外部事件中断而不是常规的定时中断的频率测量的工作方式，设计了特高频UHF，甚高频VHF频率测量的基本电路和 软件流程。通过整机测试，不仅满足测量精度要求，而且兼顾频率分辨率和信号灵敏度的指标，解决了单片机的运行频率较低和被测信号的频率极高的矛盾。