蔡司GeminiSEM 300型场发射扫描电镜常见故障的预防、排除和磁性样品的测试方法

金属有机框架材料（MOFs）的形貌结构对其性能应用具有很大影响,但MOFs普遍存在导电性差且对电子束敏感等问题,在进行扫描电子显微镜（SEM）测试时容易损伤样品,发生荷电现象. 因此摸索合适的测试参数,对获得高质量的MOFs扫描电子显微镜图像具有重要意义. 以MIL-101(Cr)、Fe-MOF、Mn-MOF、ZIF-67(Co)这4种典型的MOFs为例,主要探究了加速电压、电子束流、工作距离、探头及喷金对其成像效果的影响. 结果表明,升高加速电压可有效提高图像分辨率,但同时电子束穿入深度增大,可能导致电荷击穿效应对其表面结构造成破坏. 适当增大束流可提高图像信噪比,但过大的束流会导致纳米颗粒边缘变钝,因此选用0.1~0.4 nA中等束流为佳. 在选择探头时需注意,艾弗哈特-索恩利探头（ETD）和透镜内二次电子（T2）探头所成图像立体感较好,透镜内背散射电子（T1）探头的立体感弱,但衬度较好,柱内二次电子（T3）探头分辨率最佳,但更容易荷电,显得颗粒扁平. 而喷金处理可有效提高样品的导电性. 以上结果对使用SEM探究MOFs形貌结构具有一定的借鉴作用.     

基于病理图像集成深度学习的胃癌预后预测方法

病理图像分析对胃癌的诊断和预后具有重要意义,但在临床应用上仍然面临着目视阅片一致性低、多分辨率图像差异大等挑战。为此,该文提出一种基于病理图像集成深度学习的胃癌预后预测方法。首先,对患者不同分辨率下的病理图像进行切分、筛选等预处理;然后,采用ResNet, MobileNetV3, EfficientNetV2深度学习方法分别对不同分辨率下的切片(Tile)进行深度特征提取和融合,以此获得患者层面(Patient-level)的单分辨率子分类器预测结果;最终,采用双重集成策略对不同分辨率下异质子分类器预测结果进行融合以获得患者层面的预后预测结果。实验中收集了250例胃癌患者的组织病理图像,并以远处转移预测为例进行验证,实验结果表明,所提方法在测试集上的预测准确率为89.10%,敏感度为89.57%,特异度为88.61%,马修斯相关系数为78.19%,相比于单模型预测结果获得了显著提升,可为胃癌患者的治疗和预后提供重要参考。     

用于跨模态舰船图像检索的判别性对抗哈希变换器

针对当前主流的基于卷积神经网络(CNN)范式的跨模态图像检索算法无法有效提取舰船图像细节特征,以及跨模态“异构鸿沟”难以消除等问题,该文提出一种基于对抗机制的判别性哈希变换器(DAHT)用于舰船图像的跨模态快速检索。该网络采用双流视觉变换器(ViT)结构,依托ViT的自注意力机制进行舰船图像的判别性特征提取,并设计了Hash Token结构用于哈希生成;为了消除同类别图像的跨模态差异,整个检索框架以一种对抗的方式进行训练,通过对生成哈希码进行模态辨别实现模态混淆;同时设计了一种基于反馈机制的跨模加权5元组损失(NW-DCQL)以保持网络对不同类别图像的语义区分性。在两组数据集上开展的4类跨模态检索实验中,该文方法相比次优检索结果分别取得了9.8%, 5.2%, 19.7%, 21.6%的性能提升(32 bit),在单模态检索任务中亦具备一定的性能优势。     

应用于CMOS图像传感器的高速全差分两步式ADC设计方法

由于传统的单斜式模数转换器(SS ADC)以及改进的各种架构串行两步式SS ADC普遍存在速度瓶颈问题,均无法满足工业界高帧率CMOS图像传感器的发展需求,该文提出一种应用于高帧率CMOS图像传感器的高速全差分两步式ADC设计方法。该ADC设计方法基于差动斜坡与时间数字转换(TDC)技术,将差动量化嵌套在两步式的量化中,形成了区别于串行量化的并行量化模式,不仅提升了数据量化的速率,而且保证了系统的一致性和鲁棒性;针对传统TDC技术与单斜式ADC的匹配性问题,提出了一种基于电平编码的TDC技术,在ADC量化的最后一个时钟周期内,在不提升系统时钟的情况下,完成时间数字转换,实现了更高精度的量化。该文基于55 nm 1P4M CMOS实验平台完成了所提方法的电路设计、版图设计和测试验证。在模拟电压3.3 V、数字电压1.2 V、时钟频率100 MHz、动态输入范围1.6 V的设计环境下,该文ADC设计精度为12 bit,转换时间仅有480 ns,列级功耗低至62 μW,DNL以最低有效位(LSB)计为+0.6/–0.6,INL以最低有效位(LSB)计为+1.2/–1.4,信噪失真比(SNDR)达到70.08 dB,与现有的先进单斜式ADC相比,ADC转换速度提高了52%以上,可以有效压缩行处理时间,为高帧率大面阵CMOS图像传感器的实现提供了有效的解决方案。     

基于最近邻特定点的人体运动姿态特征点标定识别方法

为了提高人体运动姿态的准确检测识别能力,提出基于最近邻特定点的人体运动姿态特征点标定识别方法.人体运动姿态图像采集依托于激光扫描技术,检测激光图像边缘轮廓,结合图像分割技术进行人体运动姿态的轮廓线分割和特征识别,构建激光图像灰度直方图分布结构模型,采取区域块匹配的方法提取模型中人体运动姿态和动作特征,采用多维像素重构方...     

深度卷积神经网络模型的研究分析

在深度学习的图像分类问题中,网络模型深度是研究学者们十分关注的课题.针对此课题,设计了在不同网络层数对Cifar-10数据集进行分类的实验,探讨卷积神经网络的深度对模型的准确率影响;实验结果中,网络结构为6层、10层和15层准确率分别为64.24％、76.49％和72.50％,得出网络层数直接影响分类效果,网络层数越多...