脑磁图仪的前世今生与未来

脑磁图仪通过记录大脑神经活动在头皮外产生的磁场来进行脑活动的成像,它具备超高的时间分辨率和较高的空间分辨率,是一种重要的无创脑功能成像技术.文章介绍了脑磁信号的神经生理起源、生物物理特征及其与脑电信号的联系和区别,回顾了当前基于超导量子干涉仪的脑磁图设备与相关技术,并针对制约当前超导脑磁图发展的技术瓶颈,介绍了基于原子...     

融合Swin Transformer的虫害图像实例分割优化方法研究

【目的】为了实现对虫害的精准监测，提出了一种融合Swin Transformer的图像实例分割优化方法，以期有效解决复杂真实场景下多幼虫个体图像识别分割困难的问题。【方法】选用Swin Transformer模型，改进Mask R-CNN实例分割模型的主干网部分，对黄野螟幼虫虫害图像进行识别分割。针对不同结构参数的Swin Transformer模型与ResNet模型，调整各层的输入输出维度，将其分别设置为Mask R-CNN的主干网进行对比实验，从定量与定性两个角度分析不同主干网的Mask R-CNN模型对黄野螟幼虫的识别分割精度与效果，确定最佳模型结构。【结果】(1)该方法在虫害识别框选方面的测度(F1)分数可达89.7%,平均精度(A_P)可达88.0%;在虫害识别分割方面的F1分数可达84.3%,A_P可达82.2%。相较于Mask R-CNN,在目标框选与目标分割方面分别提升8.75%与8.40%。(2)对于小目标虫害识别分割任务，该方法在虫害识别框选方面的F1分数可达88.4%,A_P可达86.3%;在虫害识别分割...     

基于聚类离散化的Dep-Miner函数依赖发现方法

针对已有函数依赖发现方法直接应用于连续型数据时，易导致依赖关系挖掘失败的问题，该文基于已有Dep-Miner方法，提出基于等间隔离散化的Dep-Miner(ED-Dep-Miner)和基于聚类离散化的Dep-Miner(CD-Dep-Miner)函数依赖发现方法。通过数据离散化，将指标的连续型数据合理地转变为类别数据。实现基于类别数据的函数依赖发现，提升函数依赖发现能力。同时，对Dep-Miner中的部分定理给出了基于反证法和枚举法的通俗化证明。该文将提出的ED-Dep-Miner和CD-Dep-Miner与不带有任何离散化操作的原始Tane和Dep-Miner进行了实验对比。实验结果表明，该文的ED-Dep-Miner和CD-Dep-Miner方法将原始连续型数据转化为离散型分类，挖掘出了更多潜在的函数依赖关系。同时，CD-Dep-Miner的性能要优于ED-Dep-Miner,解决了等间隔离散化存在的边界值问题。     

基于声学指数的神农架国家公园声音多样性动态变化

【目的】评估声学指数在神农架国家公园内对动物声音多样性动态变化的响应，探究神农架国家公园声音多样性的变化特征，为当地生态保护提供量化依据。【方法】在神农架国家公园较大区域内部署了9个声音采集点，连续采集了2021年5—7月的样点声音数据，采用生态声学的方法，从声音数据中提取了声学复杂度指数(ACI)、生物声学指数(BI)、归一化声景差异指数(NDSI)3个声学指数，并探究这3个声学多样性指数夏季的动态变化特征。【结果】ACI指数在夏季变化的总体趋势并不显著，BI指数呈双峰变化趋势，NDSI指数呈3峰或4峰变化趋势；经Mann-Kendall突变性检验的结果表明，气候和人为干扰是引起指数值突变的主要原因；日变化结果显示ACI指数不能很好地反映日变化趋势，但BI指数和NDSI指数具有明显的日变化趋势，且变化趋势符合物种黎明/黄昏合唱的习性；声学指数随海拔梯度的空间变化结果表明，ACI、BI指数在中海拔区域具有最大值，且ACI指数与海拔相关性较强，NDSI指数没有显著的变化趋势。【结论】BI、NDSI指数能较好地反映动物声音多样性随时间动态变化趋势，气候变化和人为活动会造成声音多样性的突变。...