功能化二氧化硅纳米材料在肿瘤治疗领域的应用

纳米材料(如脂质体、聚合物胶束、树枝状聚合物)基于其良好的物理化学特性,在药物递送、成像诊断等肿瘤诊疗领域拥有巨大的应用前景.其中,介孔二氧化硅纳米材料(mesoporous silica nanomaterials, MSNs)具有独特的孔径结构、较大的比表面积,并且其粒径大小、形貌结构易于调控,同时结合多种修饰手段,在生物医学领域引起了广泛的关注. MSNs材料功能化修饰后,可作为化学药物、基因、核酸、多肽、蛋白酶等治疗药物载体,在内、外源性刺激触发下,对肿瘤部位进行特异性靶向识别和可控性药物释放,使得肿瘤诊疗一体化成为可能.本文在对MSNs材料独特的物理化学特性进行介绍的基础上,综述了其在现代生物医学中的发展趋势,并展望了其在临床应用中的巨大潜力.     

基于Labview的虚拟迈克尔逊干涉仪

虚拟仪器是现代仪器的一个主要发展方向,也是实验和教学的重要补充方式.基于Labview设计了虚拟迈克尔逊干涉仪,一方面,利用Labveiw强大的功能使虚拟干涉仪实验结果图样细致逼真,使整个仿真过程变得直观形象;另一方面,虚拟干涉仪的使用不受环境的限制,可为理论教学过程所用,从而加强学生对光学理论的理解.     

复杂场景散射中心模型化与雷达成像应用

在复杂场景中, 目标与环境之间的耦合散射会造成雷达图像特征的干扰, 这一问题给雷达目标自动识别与跟踪技术带来了困难, 成为雷达、电磁领域持续关注的热点研究问题。目前, 使用传统的电磁数值计算方法对复杂场景散射问题进行仿真, 所需计算资源巨大, 耗时很长, 而且多限于针对单一类型复合目标, 难以满足实际工程应用需求。针对此问题，提出了复杂场景散射中心模型化的方法, 集成散射中心模型、物理光学法、积分方程法、四路径模型、射线追踪等方法为一体, 实现了复杂场景、群目标雷达成像快速仿真。本文给出了三种有代表性的复杂场景的逆合成孔径雷达成像仿真结果, 验证了本文方法的可行性及泛用性。     

基于InSAR的潜在滑坡人工智能识别——以延安宝塔区为例

基于合成孔径雷达干涉测量(InSAR)技术,结合热点分析和机器学习算法,进行区域高形变斜坡自动提取和潜在滑坡人工智能识别研究,以提升潜在滑坡识别效率和准确性,解决传统人工调查和目视解译无法有效识别位于高位、隐蔽性较强的潜在滑坡问题.结果表明,基于热点分析自动提取20处高形变区域,提取正确率、错分率和漏分率分别为74.31%、25.69%和11.80%,证实热点分析方法能够有效应用于InSAR高形变区自动识别和提取.基于识别的高形变区,结合历史滑坡灾害发育特征,利用机器学习算法建立潜在滑坡预测模型,采用表现最佳的自适应提升模型对自动提取区域进行预测,预测召回率和准确率分别为81%和65%,能够实现潜在滑坡的有效识别.     

基于螺旋相位滤波的图像边缘增强研究

阐述螺旋相位滤波实现图像边缘增强的原理及其国内外研究现状,分析几种螺旋相位实现边缘增强效果,同时对螺旋相位滤波器的应用发展趋势进行展望.     

基于成像算子优化的微震逆时定位方法

针对目前微震逆时定位成像存在的问题,提出一种优化后的成像算子,对模型数据进行抗噪性、误差速度以及检波器分布和数量进行测试,并提出采用峰度值作为定位成像结果的评价标准。结果表明,优化后的成像条件在定位能量聚焦程度和成像分辨率上都得到了提升,对含速度误差和含噪微震数据都有较好的成像结果,并且对检波器的分布和数量有较好的适应性,取得了较为理想的定位效果。     

高密度电阻率成像技术在某坝址区勘察中的应用

本研究利用高密度电阻率成像技术对甘肃某水库坝址区进行了探测,探测区的覆盖层厚度、基岩风化等地质条件在反演图上都有清晰的反映,电阻率成像结果对水库坝址的确定具有重要价值和意义。     

基于改进OMP算法的稀疏目标微波关联成像方法

利用稀疏重构类方法进行雷达微波关联成像时, 传统的正交匹配追踪(orthogonal matching pursuit, OMP)算法在每一次迭代过程中均需要求解目标函数的最小二乘解, 导致成像算法计算复杂度随矩阵规模和迭代次数增加而急剧攀升。针对此问题, 结合频率捷变思想, 提出了一种改进OMP算法的稀疏目标微波关联成像方法。首先, 阐明了微波关联成像机理, 并构建了微波关联成像信号模型; 然后, 利用共轭梯度法对OMP算法中的最小二乘求解步骤进行了改进, 并分析了改进后算法的计算量; 最后, 通过与最小二乘成像方法、匹配滤波成像方法和基于传统OMP稀疏重构的成像方法进行计算机对比仿真实验, 证明了本文算法的正确性与优越性。     

基于多域网络的红外目标跟踪算法

随着红外探测器性能的不断提升, 红外目标跟踪在智能安防等领域的应用越来越广泛。然而红外图像分辨率较低, 依赖其进行目标跟踪仍然是一个制约相关应用发展的难题。针对红外图像分辨率低的特点, 以多域网络为模型算法框架, 结合目标运动过程中的尺寸变化特点, 提出了一种基于多域网络的红外目标跟踪算法。为了评估算法性能, 分别在VOT-TIR2016数据库和AMCOM红外数据上进行了实验。实验结果表明, 目标尺度预测机制能够显著提高算法的跟踪精度。