辅助决策类软件测试方法研究

辅助决策类软件以决策主题为重心,通过构建相关主题的规则知识库,为决策主题提供决策支持和知识服务。本文针对辅助决策类软件运算模型数量大、复杂度和生成方案类型多、概然性高的特点,研究了软件测试中应该注意的问题,并给出了相应的测试策略,能够较好的支撑辅助决策类软件的实际测试工作。     

基于深度卷积神经网络的肺结节检测与识别

应用卷积神经网络将肺结节从含有背景、噪声的胸腔区域里检测并识别出来。首先,对图像进行预处理,获得肺实质图像。然后,应用Faster R-CNN多特征融合算法检测肺结节候选区域,再利用多角度特征融合方法滤除假阳性结节。接着,通过数据增强法、残差学习法、优化初始参数等对卷积神经网络的性能进行优化。最后,应用迁移学习方法对数据集进行训练,得出最终的检测结果。抽取LIDC数据集中含有肺结节图像数据,检测并识别肺结节的准确率达到98. 1%。实验结果表明,该算法优于其他3类算法,实现了肺结节的精确检测和识别,在保证检测和识别出正确结节的前提下,降低了过拟合率及训练时间,提高了算法效率,研究成果为早期肺癌的诊断提供参考依据。