摘要：应用二次旋转组合设计方法建立拟水狼蛛和食虫沟瘤蛛雌蛛对稻褐飞虱捕食作用模型。结果表明,食虫沟瘤蛛雌蛛是稻褐飞虱更为重要的捕食性天敌。当蜘蛛密度较高时,拟水狼蛛常常捕杀食虫沟瘤蛛,导致稻褐飞虱被捕食量的下降。

摘要：应用二次正交旋转组合设计方法建立粽管巢蛛和拟水狼蛛对稻纵卷叶螟和稻褐飞虱捕食作用的数学模型。结果表明,粽管巢蛛是稻纵卷叶螟的重要天敌,粽管巢蛛和拟水狼蛛均是稻褐飞虱的重要天敌。当稻褐飞虱密度较高时,随着蜘蛛密度的增加,由于蜘蛛之间的干扰作用,导致稻褐飞虱被捕食量下降。

摘要：应用二次正交旋转组合设计方法建立3种天敌、2种害虫共存情况下白背飞虱被捕食数量与5个因素相互关系的数学模型。结果表明,3种天敌对白背飞虱被捕食量影响的大小排序为拟水狼蛛>青翅蚁形隐虫>食虫沟瘤蛛,食虫沟瘤蛛与拟水狼蛛、拟水狼蛛与青翅蚁形隐翅虫有负交互作用。

摘要：应用二次回归正交设计建立青翅蚁形隐翅虫对稻纵卷叶螟和白背飞虱捕食作用的数学模型分别为:Yc′m=3.5072+1.6671x1+1.7200x2-1.004x3+0.6375x1x2-0.7625x1x3-0.2625x2x3+0.6020x21-0.3538x22-0.0807x23;Ys′f=3.7612+0.4015x1+0.2573x2+1.6645x3+0.1250x1x3+x2x3+0.3372x21-0.4820x22+0.0641x23。结果表明,青翅蚁形隐翅虫对白背飞虱表现出更强的取食选择性。当猎物密度较低时,青翅蚁形隐翅虫对稻纵卷叶螟的捕食作用为密度制约性,当猎物密度较高时,青翅隐翅虫对白背飞虱的捕食作用为密度制约性。

摘要：由于现有神经网络方法泛化性能的局限性、医学影像参差不齐的质量以及肿瘤的不规则性和浸润性,应用神经网络全自动分割方法的效果无法令人满意.为了充分地利用不同图像特有的信息,提出融合空间信息的先验嵌入网络的新范式.在神经网络中引入基于图像空间位置的先验信息引导模型聚焦于病灶区域,学习肿瘤的判别性特征并排除无关信息,从而增强模型对于特征的选择能力并提高分割精度.使用医学图像分割框架2D U-Net和3D nnU-Net分别作为主干网络,在肝肿瘤分割任务上采用LiTS数据进行实验.经过5折交叉验证,先验嵌入网络在训练集上的分割精度比2D U-Net提高22.4%;在测试集上比集成式nnU-Net提高1.2%,比非集成式nnU-Net提高4.4%.