摘要：目的设计一套乳腺血氧监测系统,并探究校准算法,确保其能准确反映乳腺组织的血氧饱和度。方法基于近红外漫射光谱技术设计一套三波长(660、805和904 nm)四通道乳腺血氧监测系统;采用与人体吸收和散射特性相近的固态仿体作为校准工具,设计校准算法;针对每个通道光源-探测器远、近两端光强值,利用实验所得标准值作为参考,并通过调整各通道的光强值参数,实现血氧仪校准。结果实验结果显示,固态仿体的吸收系数与不同通道的光强值均具有良好的线性关系(R^(2)>0.98,P<0.001)。Bland-Altman分析显示,校准后的自制血氧仪与商用血氧仪在大多数测量点的差异落在95%一致性界限内,无显著系统偏差。结论本研究开发的系统及校准算法是近红外漫射光乳腺疾病早期监测的必需步骤。实验证实,该方法提高了血氧测量的精确性,为医疗诊断和治疗提供了参考依据。

摘要：光纤传感网络中,小样本人工入侵信号由于没有入侵经验数据做识别背景,其首次入侵特征标记一直是一个难点。设计了一种光纤传感网络小样本人工入侵信号动态提取方法。首先采用高斯滤波器对光纤传感网络信号做去噪处理,消除光纤传感网络信号中存在的噪声信号对入侵信号提取产生的干扰。然后结合希尔伯特变换方法和经验模态分解方法,构建光纤传感网络信号的Hilbert边际谱。将光纤传感网络信号的Hilbert边际谱作为信号的标记特征,输入SVM分类器中,完成光纤传感网络小样本人工入侵信号的动态提取。仿真结果表明,所提方法的噪声信号、敲击信号和晃动信号事件识别率平均值分别为95.5%、91.5%及89.5%,当时域信号采样点数量为5 000个时,所提方法的信号提取时间为0.245 s。

摘要：霍尔管是模拟量子霍尔效应的重要模型,却至今没有在超导量子电路中实现过.超导量子电路是宏观调控量子效应的优秀平台.本文利用超导量子电路系统的高度可调性,在超导量子电路系统中设计出了具有周期性边界条件的三条超导比特链.之后利用交流微波对每个比特分别进行驱动,构造出人造霍尔管.人造霍尔管中的人造规范场可以通过选择合适的微波相位来进行独立调控.发现了人造霍尔管中存在不同特征的手性流,分别为Meissner流和不同面上的涡旋流.为了判别这些流的存在,定义了四个序参量,并在参数空间中画出了不同流之间量子相变的完整相图.最后,提出了制备人造霍尔管基态以及探测基态手性流的可行性实验方案.这一研究丰富了霍尔管的量子流,并且在已有的实验系统中能够很快实现,为探索新的量子相提供了新的途径.

摘要：针对单能X射线无法对复杂工件各部位同时曝光成像的问题,提出一种基于细节增强的多能DR融合网络-双编码巢式连接融合网络。该网络以Inception模块作为基础卷积层,在双编码器的辅支路设计了可训练的LOG卷积模块,用来提取多尺度边缘特征,并将其补充到主支路以增强全局特征。在训练阶段,提出一种基于图像块的局部能量一致性损失函数,以减少输入、输出的局部性误差。融合时,采用通道和空间注意力机制作为融合策略,对双编码提取的多尺度增强特征进行融合,并将融合后的多尺度特征输入嵌套连接的解码器进行重构。结果表明,该融合网络具有细节增强效果,能够完整清晰地再现复杂工件的内部结构及缺陷。

摘要：针对传统P-M扩散模型不能分辨梯度变化相近的平坦区和细节区的不足,提出一种新的扩散模型。该模型将局部直觉模糊熵引入扩散函数,结合梯度共同控制扩散过程,使得梯度较大的边缘区获得较小的扩散系数而保留边缘特征,对于梯度较小且相近的区域,由于细节区的局部直觉模糊熵值往往大于平坦区的局部直觉模糊熵值而获得较小扩散系数保留细节特征,弥补了传统扩散模型模糊细节特征的缺点。实验结果表明,与传统模型相比较,新模型细节信息保留的更加完整,噪声去除的更干净,视觉和量化效果均很优异。

摘要：针对传统对比度增强算法对图像增强的不足,提出一种基于形态滤波重构原图像的对比度增强方法。该方法使用多尺度top-hat变换提取图像多尺度下的亮、暗细节特征,并根据多尺度下局部细节特征的重要性,利用非线性函数对这些特征进行反差增强,突出图像隐藏的信息。实验结果表明,与传统算法相比,该方法有效的增强了图像的对比度,且能抑制噪声放大,视觉效果更好,避免了传统对比度增强算法存在的过增强或细节增强不足的问题,适用范围较广。

摘要：为解决传统的锐化算法对噪声敏感,易在强边缘处产生伪影效应,且对灰度变化较小的微弱细节锐度不足的问题,提出了一种基于图像局部复杂度和方差的自适应图像锐化算法。考虑了图像局部灰度变化的频率和强度,针对图像灰度剧变区和级别丰富区,应用图像局部复杂度和方差自适应调节增益函数,在背景噪声与原图一致的情况下,有效提升了图像中弱边缘和纹理细节的表现力。仿真结果表明,该算法处理后的图像边缘突出,纹理清晰,较好抑制了伪影的产生和背景噪声的放大。

摘要：Ghost artifacts occur in magnetic resonance imaging （MRI） reconstruction because odd and even echoes have different phase offsets. A method based on the projection in hybrid-space is described to remove ghost artifacts. First, the projection of the even and odd lines along phase-encoding direction in hybrid-space was used to estimate the phase difference between odd and even echoes. Secondly, we fit the phase difference and used it to correct the phase of even or odd echoes. Finally, the corrected image was obtained by performing the inverse Fourier transform along phase-encoding direction in hybrid-space. The experimental results show that linear and nonlinear differences can be corrected and the intensity of ghost artifacts is significantly reduced. The effectiveness of the proposed method is demonstrated in ghost artifact removal.

摘要：针对FDK算法重建图像异常耗时的问题,提出了一种极坐标反投影快速重建算法。根据三角函数对称性,64幅预处理后的投影数据在反投影过程中同时运算;在极坐标反投影数据映射到笛卡尔坐标时,利用像素位置相关参数的对称性,在不使用查表方法的情况下,使双线性插值的计算量大大减少。实验结果表明,采用这两种措施实现了FDK算法优化,与传统的FDK算法相比,重建速度提高8倍,采用CUDA技术,实现GPU对其加速,速度提高40倍,且均不产生新的误差。

摘要：为解决低剂量CT(Low-Dose Computed Tomography,LDCT)图像中的噪声/伪影问题,提出一种基于非下采样Shearlet变换(Non-Sample Shearlet Transformation,NSST)的卷积神经网络(Convolution Neural Network,CNN)的NSST-CNN模型。训练时,对数据集中的常规剂量CT(Normal-Dose Computed Tomography,NDCT)和LDCT图像做NSST分解,将LDCT图像的高频子图作为输入,LDCT和NDCT图像的高频子图的残差图像作为标签,通过CNN训练,学习LDCT高频子图和高频残差子图的映射关系;测试时,将LDCT图像的高频子图减去利用映射关系预测的主要包括噪声/伪影的高频子图,然后做NSST反变换得到高质量的LDCT图像。实验结果表明,与KSVD、BM3D以及图像域CNN方法相比,NSST-CNN模型得到的结果具有更高的峰值信噪比和结构相似度,更接近NDCT图像。