摘要：HIS在长期运行中由于数据的大量增加,新型设备的应用,运行环境的改变等,需要对系统进行优化处理。在对实际运行的HIS系统深入分析的基础上,提出了对系统优化的策略,并在系统中实现。

摘要：HIS(HospitalInformationSystem)系统经过多年的运行后由于数据的大量增加,运行环境的改变等,需要对系统进行优化处理,以提高系统的性能。在对陕西省人民医院HIS系统运行情况深入分析的基础上提出了对系统索引优化的策略,并在系统中实现。

摘要：本文对基于Pairwise算法的组合测试常用实现方法进行了综述和比较分析。利用Pairwise算法思想对电商平台系统测试进行了需求分析及测试设计,使用PICT工具对电商平台进行组合测试实验,根据电商平台运行需求利用贪心算法对约束关系进行了优化,进一步提高组合测试效能。为验证PICT在电商平台组合测试的有效性,对电商平台相关关联关系进行了仿真实验和实际测试,其在测试用例覆盖、测试生成速度和测试成本等方面具有一定优势。

摘要：作为一种数据驱动的研究方法,深度学习已改变了许多研究领域,如计算机视觉、自然语言处理,并已拓展至农业、航空航天、医疗保险等传统行业。本研究基于深度学习这一数据驱动研究方法,开发了一个深度神经网络模型,用于快速光谱计算。仅使用设计空间中一万亿分之一的样本来训练模型,但该模型以超高的精度预测了光谱,将完整数据集的均方根误差低至2.2%,对于清洗后的数据集,均方根误差仅为1.3%,显示了深度学习在光学器件设计中的巨大潜力。

摘要：目前,基于多尺度特征卷积神经网络的医学图像超分辨率重建算法取得了良好的重建效果,但是这些方法还面临着多尺度特征类型单一,特征提取与融合中易丢失高频信息以及模型规模过大的问题.针对以上问题,提出一种基于误差反馈的多尺度特征网络模型的医学图像超分辨率重建方法.该方法使用不同深度的并行卷积层实现感受野的区别,设计了一种基于误差反馈的多尺度特征提取模块,从而实现多尺度特征的提取.该方法还使用全局反馈结构逐步提取高频信息,最后使用误差反馈反向传递高频信息到每次循环提取的特征中,利用融合后的特征重建出高分辨率CT图像.实验结果表明:(1)该方法在×2,×4,×8这3种放大倍率上都取得了良好的效果,与主流的超分辨率算法相比,在客观指标和主观评价上取得了更好的结果;(2)该方法重建的CT图像,更清晰,细节纹理更丰富.