多模态医学图像融合图像质量评估

目前大多数的质量评估算法都应用于自然图像的融合场景,缺乏专用评价的医学图像数据集及多模态医学融合图像的质量评估算法。针对此问题,利用17种经典的医学图像融合方法构建医学图像主观数据集,解决无专用评价数据集的问题;提出一种基于色彩相似度(color similarity,CS)和信息相似度(information similarity,IS)的客观医学图像质量评价方法。将CS模块用于测量局部颜色失真,在传统的池化层上添加背景分离模块使其适用于医学图像多背景干扰特性;将IS模块用于衡量信息失真,改进图像熵的计算方法,添加过滤模块以剔除图像噪声。实验结果表明,所提方法的预测值和主观数据集客观评分具有更好的一致性,更符合人类视觉系统。     

基于写页面热度的混合内存页面管理策略

针对阻变存储器(RRA M)写延迟大的问题,提出一种基于写页面热度的混合内存页面管理策略,将写页面进行冷热区分,存于动态随机访问存储器(DRAM)上,减少RRAM上的写数量.在基准程序集PARSEC下对混合内存系统的性能进行测试与分析.结果表明,所提出的页面管理策略可以有效地提高系统性能.     

基于改进的卷积神经网络LeNet-5乳腺疾病诊断方法

针对计算机辅助乳腺疾病诊断方法准确率低、耗时长等问题,提出一种基于改进的卷积神经网络(CNN)的乳腺疾病诊断方法.该方法从以下3个方面做了改进:(1)设计双通道卷积神经网络来解决单通道特征提取不充分的问题;(2)采用Dropout技术有效地防止过拟合现象;(3)采用支持向量机(SVM)代替传统的Softmax分类器以减少运算量,提高运算速度.测试结果表明:所提出的分类模型平均准确率高达92.31%,平均训练时间为968s,充分验证了该方法的有效性.