基于深度学习的小样本墙壁缺陷目标检测及分类

近年来,无须人工干预的深度学习已成为缺陷图像检测与分类的一种主流方法。文章针对室内墙壁缺陷缺检测中数据集大多是小样本的问题,提出了相关的深度学习研究方法。首先,自制墙壁表面缺陷数据集（Wall surface defect dataset,WSDD）并对其进行数据标注,进而使用Faster RCNN和YOLOv5进行目标检测,两个模型的评价指标（Mean Average Precision,MAP）均高于0.517,表明本文采集的WSDD有效。然后,采用几种传统的数据增强方法（尺度调整、旋转和翻转）及图像拼接和图像融合的方法来扩充原始数据集的数量。最后,将增强前后的数据集分别用四种经典的深度卷积神经网络（ResNet34、ResNet50、DenseNet121、VGG16）模型进行测试,结果显示经过数据增强后,四种模型的识别精度明显高于增强前,分别为98.86%、99.47%、99.06%和90.25%,证明本文所采用的数据增强和深度学习方法缓解了数据集小样本的问题。     

基于小波能量加权的医学图像融合新算法

目前的大多数基于小波变换的医学图像融合算法,由于没有细致考虑低频分量融合规则以及高频分量邻域特征对于融合效果的重要性,因而得到的融合效果有时并不理想.现提出一种小波域按邻域加窗能量加权的融合准则,该准则根据人体颅部18F-FDG和MRI-T1图像的特点,充分考虑到了低频分量和高频分量邻域特征,对原图像高、低频小波系数分别选用具有不同物理意义的窗矩阵进行邻域加窗能量计算,以归一化加窗能量为权值对各小波系数进行加权,得到融合小波系数,经过小波反变换重构出融合图像.实验证明,采用提出的融合算法得到的融合图像很好地包含了源图像的信息,该算法在医学图像融合应用中比传统的小波系数取大算法、加权平均算法及按邻域方差加权算法效果更好.     

高校图书馆现实馆藏与虚拟馆藏的整合

分析了高校图书馆现实馆藏及网络信息资源的特点,提出了高校图书馆应开发网络信息资源,形成虚拟馆藏,并在此基础上整合图书馆的现实馆藏和虚拟馆藏。     

分形导体粗糙表面的后向增强效应分析

针对粗糙表面散射实验中的后向散射增强现象,采用锥形波束入射的矩量法定量计算了分形粗糙表面的后向散射增强效应,研究了波形参数和表面尺寸的匹配问题,分析了不同入射角下散射增强的角宽度,比较了不同分维数和表面模型下散射增强的幅值。数值计算结果证明了该算法的有效性。     

医学信息的网络检索技巧

介绍了网络医学信息资源的类型及搜索引擎,对医学信息的检索途径和策略进行了说明,并对网络医学信息检索的方法和技巧进行了探讨。     

感知特征增强学习的低分辨率人脸识别

针对低分辨率人脸图像信息严重缺失而导致的人脸识别能力受限问题,提出了一种感知特征增强学习的低分辨率人脸识别网络.设计的整体网络包含两个通道,其中一个通道为低分辨率人脸识别子网络,顺序执行对输入的低分辨率人脸的超分辨率重构、深度特征提取与识别;另一通道为高分辨率人脸识别子网络,顺序对输入的高分辨率人脸进行深度特征提取与识...     

不同含量ZnO纳米粒子对MoS2纳米花SERS性能影响的研究

合成了ZnO纳米粒子(ZnO NPs)附着在MoS2纳米花(MoS2 NFs)上的异质结纳米复合材料(MoS2/ZnO NCs),该材料能够对内分泌干扰物(BPA)进行痕量检测.通过X射线衍射仪(XRD)、扫描电子显微镜(SEM)、透射电子显微镜(TEM)等测试仪器对该复合材料的结构进行了表征,并且通过有机染料亚甲基蓝...     

纤维增强SCLC基本力学性能实验研究

针对抗震结构、高层建筑和大跨结构对质轻高强混凝土的需求,在满足纤维增强SCLC自密实性能情况下,对粗钢纤维、微细钢纤维、聚丙烯纤维、聚乙烯醇纤维和玄武岩纤维等几种纤维增强SCLC的基本力学性能进行对比实验研究.结果表明：纤维对SCLC的抗压强度影响不大,相比普通混凝土,纤维增强SCLC的比强度有较大的提高,其中微细钢纤维增强SCLC提高率达28.8%,纤维对SCLC的弹性模量的影响基本与纤维弹性模量正相关;相比SCLC,纤维增强SCLC劈裂抗拉强度和抗折强度均有较大的提高,其中微细钢纤维增强SCLC的劈拉强度和抗折强度分别提高了115.2%和95.2%,拉压比和折压比分别为0.109和0.113,同时微细钢纤维和粗钢纤维改善了SCLC破坏形态,相应实件破坏时表现出较好的延性.     

基于潜在空间特征的无袖带血压估计方法

针对目前基于光电容积脉搏波(photoplethysmography, PPG)的血压(blood pressure, BP)估计模型的不足,文章提出一种基于潜在空间特征的BP估计方法。该方法充分挖掘PPG中与BP相关的特征,利用梯度增强回归树(gradient boosting regression tree, GBRT)提取单周期PPG信号及其一阶和二阶导数的高阶交叉特征,并利用卷积神经网络(convolutional neural networks, CNN)提取PPG信号的时频图中的深层特征;随后将提取的特征输入支持向量回归器(support vector regression, SVR)构建BP估计模型。在UCI-BP数据库的12 000个样本上进行了模型评估,实验结果表明所提出的方法优于最新的BP估计方法。     

学科分类要适应医学发展

近些年来，科学技术迅猛发展，医学更是十分活跃的领域，发展的速度前所未有。医学模式的转变，促进了医学的发展，使新的、交叉和边缘学科不断出现。21世纪是生命科学的世纪，又会进一步加速学科发展。现行朱这科分类不能如实记录和反映医学发展的现状。