摘要：针对肺部X-ray图像在超分辨率重建过程中出现的肺部边缘不清晰以及器官纹理模糊等问题,提出一种基于多级残差注意力的X-ray图像超分辨率重建方法。将注意力机制嵌入残差块中构建网络基本块,在加速网络收敛的同时,使网络更加关注图像的边缘纹理特征;设计多尺度特征融合模块进行特征提取,保证结构信息的完整性;通过多级残差学习加速网络训练,并允许构建更深层次的网络;融合上采样图像与Bicubic图像完成最终重建,弥补特征提取过程中的特征损失。实验结果表明,所提出模型的PSNR、SSIM均高于现有算法,且重建出的图像具备更加丰富的细节和清晰的边缘。

摘要：各类光谱信号都会受到噪声和基线畸变的影响,在提取光谱信号过程中若不考虑基线畸变和噪声的影响,将会严重影响信号提取的精度和准确性,所以需要在信号提取前消除噪声和基线畸变的影响。大多数信号提取算法的步骤是先提取整体基线,再提取信号,这样难以保证基线的提取精度。为了降低信号提取过程中背景噪声、基线畸变等不利因素的影响,根据信号的存在总是会导致该区域的统计特征不同于背景的特点,提出了一种基于显著度和统计特征的光谱信号检测与提取算法(SSD算法)。首先,在待测数据的不同尺度空间中计算出信号在各尺度下的显著度,将检测出的显著信号点作为候选信号点;其次,利用信号特征去除候选信号点中的伪信号点;最后,对候选信号点所在区域采用二次多项式进行基线拟合以剔除伪信号区域并实现最终的信号提取。为验证SSD算法的综合性能,首先,通过仿真的方法对高斯信号和矩形信号在不同基线类型、不同信噪比下进行实验;然后将该算法与AirPLS算法、Wavelet算法以及DoG算法对两种信号在不同信噪比,不同基线类型下的提取结果进行比较。仿真实验结果表明:与其他算法相比,SSD算法信号提取结果基本不受信号类型和基线畸变类型的影响,且当信噪比大于40时基本不受信噪比的影响;在不同基线畸变类型下,SSD算法对两种信号提取结果的准确度、稳定性、离散度均较好,其他算法则只适用于某种基线畸变类型。从总体提取结果上看,SSD算法提取结果的绝对误差的均值仅为AirPLS算法的8.71%、Wavelet算法的3.52%、DoG算法的2.01%;绝对误差的均方根也仅为AirPLS算法的13.08%、Wavelet算法的5.45%、DoG算法的3.11%。因此,所提出的SSD算法在提取信号时具有良好的综合性能,能够在不同的信噪比及基线畸变情况下准确的提取出信号。

摘要：目的长期太空飞行,可导致宇航员失重性骨质疏松。通过模拟研究不同重力环境下骨单位内骨陷窝-骨小管系统(LCS)中营养物质(粒子)的输运情况,从生物力学角度揭示宇航员太空中发生不可逆骨质疏松的深层次原因。方法应用有限元软件COMSOL建立长骨骨干密质骨骨单位含二级孔隙结构(哈弗氏管,骨陷窝-骨小管系统)的三维轴对称流固耦合有限元模型,并应用其粒子追踪功能,模拟研究在微重力(0g)、地球重力(1g)及高G(2~8g)环境下,骨细胞代谢所需营养物质在LCS内随组织液流动的输运情况。考虑骨单位中微动脉的脉动压力并通过施加频率为0.5 Hz的循环压缩载荷模拟人体运动对骨产生的生理载荷。加载初始时刻,在哈弗氏管与LCS连接处释放一定数量的粒子,通过追踪粒子在LCS内输运所能达到的到位置及相应的浓度分析人体运动时重力场对营养物质输运的影响规律。结果由模拟结果可知,加载一段时间后,微重力环境下LCS内粒子的输运速度较慢,且粒子运动过程中始终为横向运动;组织液中粒子输运速度随重力加速度值增大呈线性增加,g值越大,粒子达到各位置陷窝所需时间越短且浓度越大,此时粒子的运动方向兼有横向和纵向。结论由上述结果可知,LCS内物质(粒子)的输运显著依赖于所处的重力场环境,微重力环境下(0g),若骨细胞代谢所需的营养物质长期供应不足,势必导致骨细胞的生物学功能失衡甚至凋亡,从而引起破骨细胞活跃造成大量骨丢失。该研究有望从生物力学方面解释微重力下组织液输运减少是导致航天员骨质疏松的重要原因。

摘要：目的宇航员长期太空飞行时,由于重力场缺失,常使人体发生废用性骨质疏松症。通过数值模拟对比研究不同人工重力(artificial gravity,AG)装置,如下体负压舱(lower body negative pressure,LBNP)和短臂离心机(short arm centrifuge,SAC)对骨细胞力学微环境的影响。方法考虑骨细胞的存在,应用COMSOL软件跨尺度建立股骨骨单位含二级孔隙结构(哈弗氏管、骨陷窝-骨小管系统)的三维有限元模型,模拟研究在地球重力场(1 g)。

摘要：元启发式优化算法解决复杂多峰函数时普遍存在稳定性较低和易于陷入局部最优的情况,针对这一情况,提出一种新颖的、受现代社会环境下孩子天赋发掘启发的元启发式优化算法——天赋发掘算法(talent discoveral algorithm,TDA)。TDA通过模拟社会各群体各司其职又相互合作发掘孩子天赋的过程,实现最优解的寻找。使用可变维多峰基准函数和固定维多峰基准函数对TDA进行测试,结果表明:与正余弦算法(sine cosine algorithm,SCA)、灰狼算法(grey wolf optimizer,GWO)、鲸鱼算法(whale optimization algorithm,WOA)和粒子群算法(particle swarm optimization,PSO)等相比,TDA算法在解决优化问题时具有更强的全局搜索能力和更高的稳定性。