大学生村官工作实效性的实证分析———以浙江省衢州市衢江区为例

在党中央实行大学生村官服务农村基层的政策背景下,对浙江省衢州市衢江区大学生村官政策的实行状况进行实地调研,并根据调研数据运用模糊综合评价法和层次分析法对大学生村官的工作实效性进行评估,还就大学生村官政策的改进提出了合理化建议。     

改进的人工鱼群算法和Powell法结合的医学图像配准

针对目前基于互信息图像配准的局部极值问题,提出了一种改进的人工鱼群算法和Powell算法结合的多分辨率医学图像配准算法.该算法采用新的相似性测度方法即归一化模糊加权互信息和归一化局部能量加权匹配度,利用多分辨率策略采用HPV插值,并采用改进的人工鱼群算法结合Powell算法完成医学图像的配准.采用改进的人工鱼群算法在图像的最低分辨率上进行全局优化,以全局最优值为初始值,结合Powell算法完成图像配准.这不仅基本解决了互信息函数和Powell算法的局部极值问题,还减少了数据的处理量,加快了配准速度.实验结果表明,文中算法与其他经典的配准算法相比,提高了配准的精确度和性能.     

结合LBP和SVM的视频表情识别方法

为了提高视频表情实时分类的识别率和实时性,提出LBP特征结合SVM进行决策表情分类的方法。首先获取视频流中的图像并进行预处理,然后使用LBP算子检测人脸,通过多级级联回归树模型对人脸68个关键点进行训练,分别记录表情特征,最后利用SVM训练表情识别模型并预测表情。实验采用Helen dataset作为训练集,CK+数据库作为测试集,平均识别率达到了86.2%,实时性也达到了平均20帧/s。实验结果表明,该方法性能优越,提高了算法的识别率和鲁棒性,同时保证了算法的实时性。     

基于深度学习的CT影像预测胃癌HER2状态

目的:构建并验证一个深度学习模型，旨在全自动流程地对胃癌病灶进行检出并预测胃癌患者人表皮生长因子受体(HER2)状态。方法:回顾性收集经手术病理证实为胃癌及明确HER2状态的135例胃癌患者CT及临床数据(HER2阴性88例；HER2阳性47例),随机分为训练集(n=95)和验证集(n=40)。基于级联nnUNet神经网络建立胃分割模型和胃癌自动检出模型，选择合适区域，以此建立基于ResNet网络的HER2状态预测模型，并验证模型的预测性能。结果:胃分割模型五折交叉验证的Dice系数为91.4%。胃癌检出模型在训练集和验证集中检出率分别为96.8%和97.5%。HER2预测模型敏感度训练集为78.1%,95%置信区间(CI)(61.2%,88.9%);验证集为71.4%,95%CI (45.4%,88.3%)。特异性训练集为67.9%,95%CI (54.8%,78.6%);验证集为69.2%,95%CI (50.0%,83.5%)。ROC曲线下面积(AUC)训练集为84.0%,95%CI (76.4%,90.7%);验证集为78.6%,95%CI (65.9%,90.0%)。结论:本...