基于多层聚焦Inception-V3卷积网络的细粒度图像分类

细粒度图片具有结构多变、背景干扰大、类间差异小、类内差异大等特点,准确地定位与提取判别性局部特征至关重要.本文提出一种多层聚焦卷积网络,通过首层聚焦网络能够准确、有效地聚焦于识别局域并生成定位区域,根据定位区域对原图像分别进行裁剪和遮挡后输入下一层的聚焦网络进行训练分类.其中单层聚焦网络以In-ception-V3网络...     

基于激光驱动芯片的信号完整性仿真分析

结合SA2669激光驱动芯片的测试系统进行仿真,仿真并分析了基于IBIS模型的高速数据采集系统的信号完整性问题。发现并解决该测试系统的存在会影响到性能的反射、振铃问题,提出了修改建议,并取得良好的仿真结果。结果证明高速电路设计中采用基于信号完整性的仿真设计是必要的、可行的。     

采用磁性基板的高感值PCB平面电感器设计

为增加PCB平面电感器单位面积上的电感值,提出一种采用磁性基板作为PCB叠层制作高感值PCB平面电感器的方法,并将磁性基板应用于两种典型的平面螺旋电感结构设计中。采用HFSS全波仿真方法对采用常规FR4基板和磁性基板的平面电感设计进行了比较,结果显示使用磁性基板能够在保持电感Q基本不变的情况下增大单位面积上的电感值,使用磁导率为2和1.5的磁性基板设计的电感器单位面积电感值能够达到13.1 n H/mm2和8.9 n H/mm2,与使用磁导率为1的FR4基板相比单位面积电感值的增大量与所使用磁性基板的磁导率基本成正比关系。     

日香桂根的化学成分研究

利用硅胶和凝胶柱层析等方法对日香桂的化学成分进行了研究。从日香桂根的95%乙醇提取物中分离出7个单体化合物,分别为β-胡萝卜苷(1),连翘脂素(2),大黄酚(3),大黄素甲醚(4),β-谷甾醇(5),β-谷甾酮(6)和2-(4-羟基苯基)乙酸乙酯(7),其结构经1H NMR和13C NMR确证。2～4,6和7为首次从日香桂中发现;2为首次从该属中发现;3和4为首次从该科中发现。     

基于多模型融合方法的肺结节良恶性分类

针对CT图像中肺结节因边缘模糊、特征不明显造成的分类效果有偏差的问题,本文提出一种嵌入注意力机制的多模型融合方法(简称MSMA-Net).该方法先将原始CT图像进行肺实质分割和裁剪操作后得到两种不同尺寸的图像,然后分别输入到空间注意力模型和通道注意力模型进行训练,其中,空间注意力模型着重于提取肺结节在CT图像中的空间位...     

基于图卷积神经网络的胸部放射影像疾病分类方法北大核心CSCD

医学X射线作为胸部疾病的常规检查手段,可以对早期不明显的胸部疾病进行诊断,并且观察出病变部位。但是,同一张放射影像上呈现出多种疾病特征,对分类任务而言是一个挑战。此外,疾病标签之间存在着不同的对应关系,进一步导致了分类任务的困难。针对以上问题,本文将图卷积神经网络(graph convolutional neural network,GCN)与传统卷积神经网络(convolutional neural network,CNN)相结合,提出了一种将标签特征与图像特征融合的多标签胸部放射影像疾病分类方法。该方法利用图卷积神经网络对标签的全局相关性进行建模,即在疾病标签上构建有向关系图,有向图中每个节点表示一种标签类别,再将该图输入图卷积神经网络以提取标签特征,最后与图像特征融合以进行分类。本文所提出的方法在ChestX-ray14数据集上的实验结果显示对14种胸部疾病的平均AUC达到了0.843,与目前3种经典方法以及先进方法进行比较,本文方法能够有效提高分类性能。     

MS-UNet++:基于改进UNet++的视网膜血管分割

本文针对视网膜图像中细微血管特征提取困难导致其分割难度高等问题,提出了一种 基于端到端的神经网络嵌套视网膜血管分割模型算法(简称MS-UNet++),该算法选取了深度监督网络UNet++作为分割网络模型,提升特征的使用效率;引入MulitRes模块,改善低对比度环境下细小血管的特征学习效果,并在特征提取后加上SENet模块进行挤压和激励操作,从而增强特征提取阶段的感受野,提高目标相关特征通道的权重。基于DRIVE图像数据集的实验结果表明,该算法分割结果与真实结果之间的重叠率DICE值为83.64%,并交比IOU为94.83%,准确度ACC为96.79%,灵敏度SE为81.78%,较现有模型有一定的提升,可用于视网膜图像血管分割,为临床诊断提供辅助信息。     

生姜内酯的分离与结构表征

从荜澄茄药材粗粉中分离得生姜内酯晶体(1),其结构经NMR和X-射线单晶衍射分析确证。1的晶体为单斜晶系,空间群P21/c,晶胞参数a=8.780 9(5),b=19.923 9(9),c=7.139 1(4),β=107.299(6)°,V=1 192.49(10)3,Z=4,F(000)=512.0,R1=0.049 3,wR2=0.109 4。1为首次从樟科植物中发现,由于其具有罕见的三环骈双内酯结构,其完整的结构表征对类似化合物的结构鉴定具有重要的参考价值。