基于双向循环U-Net模型的脑卒中病灶分割方法

脑卒中具有极高致残率和致死率,研究脑卒中病变的自动识别和分割方法具有重要的临床意义。提出一种基于双向循环U-Net(BIRU-Net)模型的病灶分割方法。首先,引入循环神经网络结构,将改进的注意力卷积门递归单元(ACGRU)替代U-Net中的部分卷积层,使分割模型既适用于小规模标注的医学影像数据集,又具有长时记忆特性;其次,采用双路融合训练机制,将单一视面的正向、反向的切片数据同时输入BIRU-Net,并在模型前向传播过程实现双向特征融合,有效利用了切片序列的双向依赖特性。最后,将各单一视面的分割结果进行再融合,有效利用了数据的空间上下文信息。对于ATLAS数据集的实验结果表明,所提方法的DSC值达到了62.58%,与现阶段的其他方法相比,本文的方法能较为准确地分割出病灶区域。     

基于Web of Science的遥感数据融合文献计量分析

基于Web of Science引文数据库,对2000～2020年关于遥感数据融合领域发表的研究文献中,针对发文量居世界前10位的国家、科学研究机构、基金项目资助机构、期刊指数、发表作者、高被引及共引论文指数等通过相关软件进行文献计量分析。检索有效范围内发表的遥感数据融合研究文献2 153篇,综合发文量、总被引频次62 657、篇均被引次数为29.1、h指数为118等指标,中、美、德和意大利为该研究领域的四大强国。在世界排名前10位的科研机构和作者中,中、美和法国占据明显的优势。《遥感和IEEE地球科学》和《遥感学报》是该领域研究的高关注度期刊。通过WebofScience检索平台与世界同期发展水平相比,美国和欧盟在该领域具有较高发展水平,中国虽然在发文量上具有较快速的发展,但整体研究的竞争力有待进一步提高。中国在遥感数据融合研究领域中起步较晚,近21年来,虽然发文量占据世界第3位,但总被引频次、篇均被引次数均落后于发达国家。     

高校思政理论课驱动式混合教学模式融合创新研究

基于高校思政理论课驱动式混合教学模式融合创新,阐释新时期思政理论课教学的应有之义。高校思政理论课驱动式混合教学模式能够调动学生的学习热情,培养学生的综合能力;拓宽学生的学习渠道,打破时空限制;深化教学内容,丰富教学知识。为了应对高校思政理论课“三个封闭”现象,研究提出“一线、两面、多模块”驱动式混合教学模式,试图以专题式教学为主线,通过线上互动和线下互动两个方面,构建学生时事评说、各章知识竞赛、主题分享、微电影等多模块驱动课堂教学贯穿思政理论课全过程,推动驱动式混合教学模式融合创新。     

风作用下凹型超高层建筑窗口羽流火焰数值模拟分析

目的 研究在风作用下凹型超高层建筑窗口羽流火焰融合高度及窗口处火焰温度变化规律.方法 对无风、水平风向、竖直风向,风速为2 m/s、6 m/s条件下的凹型超高层建筑火灾模型采用火灾动态仿真模拟软件PyroSim进行数值模拟,分析窗口温度分布等温线及温度曲线,并引入危险温度540℃.结果 在不同风速条件下,连续纵向三窗口...     

基于超声解调信号多特征融合的轴承故障识别

针对当前振动监测对轴承初期微损状态监测难、精准度低的问题,提出了一种基于经验模态分解与多类熵值相结合的轴承状态监测方法,研究超声解调信号对故障诊断的可行性。首先将预处理后的超声解调信号进行经验模态分解得到若干本征模态分量,然后对各本征模态分量计算不同熵值特征,再将多特征融合后代入随机森林训练分类模型,利用混淆矩阵进行精度评价,最终对早期故障识别准确率高达97.92%。研究表明,超声解调信号对判别轴承早期故障效果更佳;经过多类熵值特征融合后,轴承状态分类具有更高的识别准确率。     

国防工业军民融合高质量发展评价研究

推动国防工业军民融合高质量发展,是我国新发展阶段实现高质量发展的内在要义,是助力国防实力和经济实力同步提升、加快形成一体化国家战略体系和能力的必然要求.依据新时代高质量发展和国防工业军民融合发展特点要求,界定了国防工业军民融合高质量发展基本内涵;以此为依据,探讨了国防工业军民融合高质量发展评价内容;构建了国防工业军民融...     

无融合生殖固定杂种优势的研究进展和展望

杂种优势被广泛应用于农业生产,为世界粮食安全做出重要贡献。但是,杂种优势难以稳定遗传,每年都需要人工制种,耗费巨大。无融合生殖是一种特殊的生殖方式,能够产生与母本基因型一样的克隆种子或后代。人工创制无融合生殖有利于快速固定杂种优势,节约制种成本。近年来,随着无融合生殖相关基因的功能解析,以及基因编辑技术的发展和成熟,人工创制无融合生殖技术逐渐发展,并在无融合生殖领域取得重大突破。因此,本文主要对人工创制无融合生殖技术的原理、应用进展和存在的问题等方面进行综述和讨论,为无融合生殖固定杂种优势的研究和应用提供参考。     

基于视觉注意力融合的表面微小缺陷检测

在生产过程中手机等智能设备的屏幕表面可能出现的微小缺陷与灰尘等脏污很相似,传统检测方法易将脏污误检为缺陷。为了提高产品表面微小缺陷的识别准确率,本文提出一种基于视觉注意力融合的检测方法。首先利用金字塔下采样初步识别出潜在目标,以减少图像数据量及提高计算效率,然后将角点检测、伽马变换和Otsu阈值分割等传统检测方法与3种显著性提取方法(布尔图显著性模型BMS、谱残差模型SR和频率调谐模型FT)相结合,建立了融合检测模型。实验结果表明,所提出的融合模型能够较为准确地区分出缺陷与脏污,F₁值可达到0.73,与其他几种显著性检测方法相比,本文方法在对脏污的识别上具有明显优势。     

基于本体的语义数据融合方法

针对网格中语义数据的按需访问问题,提出了基于本体的语义数据融合方法OSDF.该方法以数据对象为基本元素,利用数据对象和领域本体之间的映射关系来表达数据对象的语义,使用嵌套关系模型来表达数据对象的模式信息,通过把一个网格节点中集成的所有数据对象作为下一个节点的数据对象来实现数据资源由粗到细的融合.文中定义了OSDF的语义模型,给出了虚拟数据库的查询执行过程和算法,为使用者提供了具有语义支持、服务质量保障的数据访问服务.原型系统验证了OSDF的正确性和可行性.