模糊决策树匹配算子的推理能力对比研究

模糊决策树推理是机器学习领域中的一种解决分类问题的有效算法,模糊推理方法的选择在很大程度上影响推理的性能和效果.对Min-Ambiguity,Fuzzy ID3和加权模糊决策树3种推理机制进行了对比研究,选择了推理过程中4种常用的算子(∨,∧)、(∨,×)、(+,∧)和(+,×)进行了对比分析,并在理论分析和实验验证的基础上提出了优先选择乘法算子(+,×)和(∨,×)的建议.     

一种基于GA_Faster R-CNN的掌指骨骨折计算机辅助诊断系统

为解决临床掌指骨骨折诊断中难检测、易漏诊的问题,对如何更加准确地检测和定位X线图像中掌指骨骨折区域进行实验研究.开发了一种基于深度学习的计算机辅助诊断系统,改进了Faster R-CNN网络模型中的锚框、特征映射和损失函数,在节约算力的同时大大提高了网络性能.建立了包含5 195张手部的X线图像的数据集,其中随机抽取4 675张作为训练集,520张作为测试集.实验表明,提出的新模型在测试集上的平均精度达到了69.3%,与Faster R-CNN相比能够更加精准地识别出掌指骨骨折区域,验证了该模型具有潜在的临床应用价值.     

飞秒脉冲激光产生及捕获微气泡的实验研究

采用高速光学摄像及高频超声成像技术对飞秒脉冲激光在介质水中发生光学诱导击穿的过程进行实验研究.结果表明,光学诱导击穿产生后,在高能激光自聚焦的焦点处产生一系列微气泡,最后只有一个微气泡可以被激光束稳定地捕获,并且这个微气泡可以在超声作用下进行非接触式三维操控.进一步分析了沿激光束产生和捕获的微气泡的时空特性以及激光束捕获微气泡的力学特性.实验结果为应用微气泡进行分子水平的靶向性治疗提供了全新的技术手段.     

基于改进的Faster R-CNN的息肉目标检测和分类方法

为了解决结肠镜下腺瘤性息肉和增生性息肉不易分型的问题，提出一种基于改进的Faster R-CNN的目标检测及息肉分类模型.在数据预处理阶段，对原有的2 426张息肉图像(1 582张腺瘤性息肉图像，844张增生性息肉图像)通过2种方式进行图像增强，并且通过改进的特征提取、边界框回归以及非极大值抑制的网络，用602张图像(386张腺瘤性图像，216张增生性息肉图像)进行测试.通过实验证明，在交并比(IoU)取0.5时，获得了86.8%的平均精度均值，相较于改进之前提升了2.3%.实验结果验证了该模型的潜在临床应用价值.     

一种基于改进YOLOv5s网络的结直肠腺瘤实时检测方法

为解决现有的基于深度学习的结直肠息肉检测算法计算复杂或检测精度较低,不能在速度和精度方面同时满足实时检测的问题,提出了一种基于单阶段目标检测网络YOLO(you only look once)v5s的结直肠腺瘤实时检测方法.在YOLOv5s的主干网中融入通道注意力机制,并以BCEWithLogitsLoss代替其原有的交叉熵损失函数BCELogits,以此提升网络性能.选取2 074张腺瘤图片和包含19 700帧的20段腺瘤视频,按照3∶1的比例构建结直肠腺瘤训练集和测试集.测试结果表明,结直肠腺瘤检测的平均精度为93.6%,检测速度为93帧/s,验证了该系统可以在肠镜的退镜过程中实时检测腺瘤性息肉,且具有较好的检测性能.