摘要：近年来卷积神经网络在生物医学图像处理中得到了广泛应用,例如从磁共振图像中准确分割脑肿瘤是临床诊断和治疗脑部肿瘤疾病的关键环节.3D U-Net因其分割效果优异受到追捧,但其跳跃连接补充的特征图为编码器特征提取后的输出特征图,并未进一步考虑到此过程中的原始细节信息丢失问题.针对这一问题,本文提出前置跳跃连接,并在此基础上设计了一种前置跳跃连接倒残差U形网络(FS Inv-Res U-Net).首先,将前置跳跃连接用于改进DMF Net、HDC Net和3D UNet 3个典型网络以验证其有效性和泛化性;其次,采用前置跳跃连接和倒残差结构改进3D U-Net,进而提出FS Inv-Res UNet,最后在BraTS公开验证集上对所提网络进行验证.BraTS2018的验证结果在增强型肿瘤、全肿瘤和肿瘤核心的Dice值分别是80.23%、90.30%和85.45%,豪斯多夫距离分别是2.35、4.77和5.50 mm;BraTS2019的验证结果在增强型肿瘤、全肿瘤和肿瘤核心的Dice值分别是78.38%、89.78%和83.01%,豪斯多夫距离分别是4、5.57和6.37 mm.结果表明,FS Inv-Res UNet取得了不输于先进网络的评价指标,能够实现脑肿瘤精确分割.

摘要：为了解决高光谱图像超分辨率重建中物质本征光谱表达能力不足、图像尺度变化过程中存在细节信息损失的问题,提出一种全局-局部注意力特征重用网络。首先,通过多节点特征重用增强网络的多尺度信息提取能力。其次,引入局部注意力,利用空间注意力机制聚焦重点空间信息,并通过通道注意力机制增强特异性光谱提取能力。最后,设计全局修正模块,根据原始多光谱图像空间信息丰富与高光谱图像光谱保真度高的特性进一步补偿处理过程中损失的空间与光谱维度信息,提高网络可靠性。选取CAVE和Harvard数据集进行训练与测试,并与多种先进方法进行定量与定性评估。结果表明,所提网络能够重建出更高分辨率的高光谱图像,更好完成高光谱超分辨率任务。

摘要：声表面波(SAW)滤波器的设计需对单端对谐振器建模。该文提出了一种新的基于ADS线性矩阵模型的声表面波单端对谐振器模型,并给出了主要参数的推导过程。借助新模型成功设计了一个中心频率为1GHz、带宽为30MHz的声表面波带通滤波器,其插入损耗小于4dB,带外抑制大于30dB。设计过程表明,采用新模型设计声表面波滤波器可做到操作性强、简单、快捷。

摘要：随着深度学习的发展,采用卷积神经网络诊断肺炎的方法受到广泛关注,但对肺炎区域检测的研究还十分欠缺.现有方法的特征提取网络需要大量参数和计算,以及巨大的存储资源和算能,同时因其无法自动调节感受野的大小,导致难以适用于胸部X光片(chest X-ray,CXR)中病灶区域大小不一的问题.为解决这些问题,本文提出一种基于自调节密集网络(self-regulation DenseNet,SRD)的肺炎病灶检测方法.首先,设计了一种突出病灶技术对图像进行预处理,通过抑制肋骨区域排除肋骨干扰,并采用拉普拉斯变换锐化图像突出微弱病灶特征.其次,基于改进的RetinaNet网络对预处理后图像进行检测,其中特征提取网络采用本文提出的自调节密集网络结构SRD,来代替原RetinaNet中的特征提取网络***结合密集连接和选择性核卷积的优势,具有参数量和计算量小、感受野可自适应调节的特点.最后,提出采用k-means++算法对数据集中的宽高信息进行聚类,选出具有代表性的先验框宽高比,代替RetinaNet中采取固定比例的先验框宽高比选取方法.在北美放射学会提供的CXR数据集上,与原RetinaNet算法相比,基于SRD-121的方法实现mAP提高0.4%,参数量减少52.2%,计算量减少51.8%.实验结果表明,本文提出的基于SRD感受野自调节的肺炎病灶检测方法具有参数量和计算量的减少及mAP提高的双重优势.

摘要：作为一种独特的滤波器形式,跨阻滤波器在集成电路中起着重要作用.基于LC原型电路,提出了一种跨阻型集成带阻滤波器的设计方法.首先用状态变量表示LC元件变量关系,然后将关系式表示成信号流图形式,用全差分放大器替换其中的积分部分,最后集成得到全差分有源跨阻带阻滤波器.为验证设计的可行性,给出了六阶Chebyshev跨阻集成带阻滤波器的设计过程及其Hspice计算机仿真结果.仿真结果表明,所设计的滤波器满足设计参数要求,滤波性能良好.

摘要：给出了一种用单片机控制、通带边界频率可调、适用于较高频率的有源滤波器的设计方法。以一个通带边界频率调整范围为190k^505kH z,调整步长为15kH z。滤波器的阻带衰减大于50dB的滤波器设计为例进行了说明。实测结果表明,该设计方案具有较低的元件参数灵敏度。

摘要：肺炎检测在医学图像处理中具有重要的研究意义,针对当前经典检测算法对肺炎病灶检测精度较低的问题,本文提出一种基于多尺度卷积神经网络的X光图像中肺炎病灶检测算法。在基础特征提取网络中加入特征通道注意力模块,突出特征图中含有大量肺炎病灶信息的特征通道,抑制不含病灶信息或者含有大量无用信息的特征通道,形成高质量特征图;然后通过统计分析,使用聚类算法设计了一系列不同宽高比以及缩放尺度的候选框以适用于肺炎病灶检测。同时,在含有肺炎病灶的胸部X光图像数据集上进行了单模型和多模型检测实验,其中单模型下检测精度为82.52%,多模型融合下检测精度为89.08%。通过对比实验与结果分析,验证了本文算法在检测精度方面优于当前其他检测算法,适用于X光图像中肺炎病灶检测。

摘要：针对乳腺癌病理图像的自动分类问题,提出基于深度学习的分类算法.通道重校准模型是作用于特征通道的注意力模型,可以利用学习到的通道权重对无用特征进行抑制来实现对特征通道的重校准,以达到更高的分类准确率.为了使通道重校准的结果更加准确,提出多尺度通道重校准模型,设计卷积神经网络msSE-ResNet.多尺度特征通过网络中的最大池化层获得并作为后续通道重校准模型的输入,将不同尺度下学到的通道权重进行融合,可以改善通道重校准的结果.该实验在公开数据集BreaKHis上开展.实验结果表明,该网络对良性/恶性乳腺病理图像分类任务达到88.87%的分类精度,可以对不同放大倍数下获取的病理图像具有较好的鲁棒性.

摘要：无线传感器功耗较大并且对电源电压的要求比较严格,使用自带的小尺寸电池该传感器工作时间短并且存在由于电源电压不稳而造成损坏的几率。针对上述问题,设计了一种低功耗无线能源唤醒模块,在需要工作时可开启电源,向传感器稳定供电;否则将关闭电源。实验结果表明,采用无线能源唤醒技术能够在使用小尺寸电池的条件下大大延长传感器系统的工作时间,并且为无线传感器提供稳定的能源供给增强其实用性。对于一种用于桥梁安全检测的无线传感器网络,加装本模块后,使其工作时间由原先的几十个小时延长至一年并且降低了该无线传感器由于电源不稳而造成损坏的几率。

摘要：失效元对红外焦平面阵列器件成像质量的影响较大。本文在给出失效元定义的基础上,对失效元的产生机理进行了分析,并给出了具体的失效元检测方法。基于DSP实现了红外图像的硬件处理系统并编写了失效元处理的软件程序,实现了失效元的自动检测和校正。实验结果表明,所设计的软硬件符合实时性、可靠性的要求,取得了较好的处理效果。