摘要：白细胞的准确检测和精确分割是一项具有挑战性的医学图像处理任务.在显微镜下获取的白细胞图像会受到染色杂质的影响,且白细胞种类繁多、形态各异、类间差别小,还存在相互重叠相互粘连的现象,导致细胞边缘无法被准确分割,上述问题一直都是白细胞图像检测和分割的难点.针对以上问题,基于Mask R-CNN提出了结合注意力机制多尺度特征融合的白细胞检测方法.在Mask R-CNN结构的基础上,在特征金字塔网络(FPN)模块中融合了注意力机制模块,提出了通道空间加权特征金字塔网络.该结构不仅可以学习特征图中重要通道特征的权重大小,还可以学习层中重要特征区域的表示.同时,在网络结构中加入了Skip-FPN模块,该模块通过短连接融合更多白细胞的底层细节信息,从而更准确地检测白细胞,更精确地进行白细胞的形态分割.实验结果表明,所提方法具有良好的检测与分割性能.在Kaggle开源数据集下,所提方法对白细胞检测的指标mAP值达到了98.25%,与改进前相比提高了1.25%;分割的平均精度mIoU值达到了89.30%,与改进前相比提高了0.002%.

摘要：为研究社区结构对网络表示学习的影响,提出了一种新颖的融合社区结构信息的网络表示学习算法(CINE)。通过借鉴模块度思想,将社区结构吸收到基于矩阵分解的模型中以保留网络内部的社区结构;设计一个整体的目标函数,在捕获社区结构信息的同时也融合了节点间的1阶2阶邻近性信息和节点的属性信息,最终得到包含原始网络中3类信息的节点表示;采用Cora、Citeseer和Wiki等3个公开网络数据集验证CINE在节点分类、链接预测和可视化任务中的表现。结果表明:在3个数据集的分类任务中,CINE的Micro-F1分数分别达到了0.9002、0.8402、0.7619,优于所有对比算法;在Cora数据集的链路预测任务中,CINE的AUROC得分比Node2vec、DeepWalk和TADW等算法分别提高了1.165、1.144和1.059倍。说明CINE在保留网络的结构和属性信息的基础上,捕获了社区结构信息,使得所学节点表示可以更好地执行后续的网络分析任务。

摘要：眼底视网膜是唯一可用肉眼直接并集中观察到动脉、静脉与毛细血管的部位,因而眼底图像成为医生诊断眼底疾病及糖尿病、高血压、高血脂等疾病的重要依据.高质量的眼底图像是医生对眼底疾病患者进行病情诊断与治疗的前提.根据眼底相机采集到的视网膜图像中眼底结构清晰度、图像对比度等条件对眼底图像质量进行分类成为一个既具有研究价值又极具挑战性的难点问题.首先简述了眼底图像质量分类的研究意义和实用价值,回顾了其发展历史;然后介绍了方法分类、每类方法的基本思想并梳理了各类方法中代表性算法及其特点;之后针对用于眼底质量分类的数据集,分析比较了主要眼底图像质量分类方法的性能.分析表明,传统方法中依据眼底结构特征判断视网膜图像质量相较于通用图像质量参数更加客观,而随着神经网络与机器学习的出现,在大数据驱动下,基于卷积神经网络的质量分类方法在准确率与鲁棒性方面性能更佳.最后对眼底图像质量分类未来的发展趋势进行展望.

摘要：目前脉搏信号采集系统以高采样率获取脉搏数据进而实现精确计算脉搏间期和脉率等生理信息,这对硬件设备的要求高,并且需要大量的存储空间。针对该问题,设计一款脉搏采集装置获取脉搏数据,综合脉搏波形特征和自适应阈值进行脉搏波识别,结合曲线拟合原理提出一种基于软件层面对脉搏主波数据进行优化处理的方法。该方法通过软件滤波达到平滑脉搏波形的效果,解决了数据采集过程中产生的过饱和现象和脉搏波不平滑问题,同时能够以60Hz的采样率达到6kHz采样率的精度,脉搏识别率达到99.93%以上。通过Matlab仿真实验表明,相比于经典的差分阈值法,该方法实现的脉搏间隔和脉率误差降低,精确度明显提升,节省了存储空间,具有很高的工程实用性。

摘要：针对当前无线通信系统中射频功率放大器工作带宽窄、输出功率和附加效率低的缺点,本文基于CREE公司的GaN功率管设计了一款新型的L频段宽带大功率射频功率放大器。用源牵引和负载牵引技术测得工作频段内最佳输入输出阻抗,再通过集总参数元件与微带线结合的方法设计宽带匹配网络,并对放大器功率、效率以及谐波分量等指标进行测试。测试数据表明,当放大器工作在L频段300 MHz带宽内(相对工作带宽为27.7%),输入功率为34dBm的连续波(CW)时,其输出功率可达50.4dBm(108 W),附加效率不低于48%,平坦度为±0.1dB。因此,本文设计的GaN射频宽带功率放大器具有带宽宽、效率高、功率大的特点,具备应用价值。

摘要：为解决现有深度学习图像分割算法不能有效分割指针仪表图像中密集小目标的问题,提出基于多重感受野UNet的仪表图像分割方法。将自编码器结构和空洞卷积结构结合,使多尺度浅层特征和深层语义信息融合;以多种光照强度下采集的指针仪表数据训练模型,充分提升神经网络的泛化能力;并行调节空洞卷积参数,使神经网络学习到最优模型。实验结果表明,算法显著提升了指针仪表图像中密集小目标的分割效果,有效泛化于不同光照强度下采集的同种指针仪表图像,验证了该模型的有效性。

摘要：“信号与系统”是电子信息领域的重要课程,随着信息科学与技术的迅速发展,对于该课程进行双语教学是十分重要和必要的。天津工业大学电子与信息工程学院“信号与系统”课程组针对本课程的双语教学,在教材选用、教学内容设计、教学模式设计、教学方法设计、教学资源建设五个方面进行了研究与实践。“信号与系统”课程双语教学的研究与实践,对于促进大学教育的国际化进程、实现学生英语水平和专业能力的共同提高以及培养具有国际合作和国际竞争力的人才均具有重要意义。