基于CBAM YOLOv4-Mish的乳腺X线摄片肿块检测方法

为了提高乳腺肿块的检测精度,基于YOLOv4提出了一种CBAM YOLOv4-Mish模型进行乳腺X线摄片肿块检测.该模型采用平滑、连续可导的Mish激活函数替换原模型中的Leaky ReLU激活函数,并引入了卷积块注意力模块,使模型更加关注于肿块等关键信息而忽略背景等无关信息.在DDSM数据集上的实验结果表明：CBAM YOLOv4-Mish的AP_0.5为81.9%,比原始YOLOv4提升了3.6%.与其他乳腺肿块检测方法相比,该方法具有更好的检测能力.     

不同开度下水阀的数值分析

为了解水阀内部流动状况,采用RNG k-ε湍流模型和SIMPLE算法,对所选水阀在不同开度下进行数值模拟,得到阀内的压力、速度和湍流耗散率.模拟结果表明,在进口压力为0. 09 MPa的仿真工况下,开度为20%时,阀内出水段相较其他开度压力值较小且稳定;随着开度的增大,阀内喉部处的压力梯度增大,出水段X方向压力波动增大.阀内速度最大处为喉部区域,此时,低速区域范围最大,随着水阀开度的增加,喉部周围区域速度增加,流场中低速区范围减小.流线结果显示阀芯处漩涡一直存在,与水阀开度大小无关,而出水段靠近喉部的顶端处漩涡的存在与水阀开度有关,开度增大时,其漩涡的范围是增大的,且由流线图可得流场内流束的集中区域为水阀内出水段顶部;出水段流场湍流耗散率的相关数据表明,随着水阀开度的增加,流场中湍流耗散率也是增加的.本数值结果为优化阀内流道结构提供了参考数据.     

基于Half-UNet的乳腺肿块分割方法

乳腺癌是常见的高发病率肿瘤疾病,乳腺肿块分割是乳腺肿瘤分析的重要步骤.为了在保证乳腺肿瘤分割精度的同时提高分割效率,提出了一种基于Half-UNet的乳腺X线摄片图像分割方法 .该方法保留了U-Net中分而治之的部分,简化了特征融合的方式.固定U-Net编码器各步骤的特征图通道数以减少网络复杂度的同时有利于解码器的特征融合,并对编码器中的卷积操作增加了he＿normal和L2正则化,提升网络性能且缓解网络的过拟合现象.对U-Net解码器的网络结构进行简化,减少网络模型的参数量和训练时间.在DDSM数据集上的实验结果表明：Half-UNet在获得与U-Net、UNet3+模型相近的分割精度的情况下,训练时间相对于U-Net和UNet3+缩短了41.66%和83.33%,显著提升了分割效率.