摘要：针对细胞核图像边界模糊、对比度低,且细胞间易发生粘连等特点而导致难以准确分割的问题,本文提出了一种全尺度上下文融合网络用于细胞核的精准分割。首先,该模型结合全局上下文信息,设计了一个高级金字塔传导模块,用于对跳跃连接进行重构,为解码器提供全局信息传导流;其次,在编码器顶部创新性地加入了尺度聚合模块,该模块通过自学习可以动态地为不同尺度的目标选择合适的感受野,更好地融合多尺度上下文信息;同时,为了更好地利用最有用的特征通道,在上采样阶段加入了通道注意力机制;最后,使用改进的混合损失函数解决类不平衡的问题。在Data Science Bowl 2018和TCGA 2个数据集上进行实验,结果表明,所提出的算法能够提高对细胞核的分割性能。

摘要：U-Net在图像分割领域取得了巨大成功,然而卷积和下采样操作导致部分位置信息丢失,全局和长距离的语义交互信息难以被学习,并且缺乏整合全局和局部信息的能力。为了提取丰富的局部细节和全局上下文信息,提出了一个基于卷积胶囊编码器和局部共现的医学图像分割网络MLFCNet(network based on convolution capsule encoder and multi-scale local feature co-occurrence)。在U-Net基础上引入胶囊网络模块,学习目标位置信息、局部与全局的关系。同时利用提出的注意力机制保留网络池化层丢弃的信息,并且设计了新的多尺度特征融合方法,从而捕捉全局信息并抑制背景噪声。此外,提出了一种新的多尺度局部特征共现算法,局部特征之间的关系能够被更好地学习。在两个公共数据集上与九种方法进行了比较,相比于性能第二的模型,该方法的mIoU在肝脏医学图像中提升了4.7%,Dice系数提升了1.7%。在肝脏医学图像和人像数据集上的实验结果表明,在相同的实验条件下,提出的网络优于U-Net和其他主流的图像分割网络。

摘要：随着城市智能化发展,室内定位技术已成为各类位置服务的重要应用基础。在一些室内应用场景中,服务器端需要在保护用户位置隐私的前提下,完成特定区域的用户访问统计。为此,提出了一种基于布隆过滤器和Paillier同态加密的多级敏感区域室内定位算法,旨在保护用户位置隐私的同时服务器能判断用户是否进入特定区域。算法根据区域的类别或敏感级别对室内进行划分,利用Paillier算法对服务器端和用户端的数据进行加密,设计了一种改进的基于布隆过滤器的算法在密文域完成用户位置的判定,减少了加密运算带来的巨大通信开销与计算开销。在公共数据集上的实验结果表明,与已有的空间布隆过滤器算法相比,提出的哈希数组合并算法在同样的通信和计算开销时具有更低的误判率,也可扩展至其他应用中实现多类数据集的编码。

摘要：知识蒸馏结合预训练语言模型是构建问答模型的主要方法之一,然而,这类方法存在知识转移效率低下、训练教师模型耗时严重、教师模型和学生模型能力不匹配等问题。针对上述问题,提出了一种基于自蒸馏与自集成的问答模型SD-SE-BERT。其中:自集成基于滑窗机制设计;学生模型采用BERT;教师模型由训练过程中得到的若干学生模型基于其验证集性能进行加权平均组合得到;损失函数利用集成后的输出结果和真实标签指导当前轮次的学生模型进行训练。在SQuAD1.1数据集上的实验结果表明,SD-SE-BERT的EM指标和F_1指标相比较BERT模型分别提高7.5和4.9,并且模型性能优于其他代表性的单模型和蒸馏模型;相较于大型语言模型ChatGLM-6B的微调结果,EM指标提高4.5,F_1指标提高2.5。证明SD-SE-BERT可以利用模型自身的监督信息来提高模型组合不同文本数据特征的能力,无须训练复杂的教师模型,避免了教师模型与学生模型不匹配的问题。

摘要：由于探测器具有像元数目的限制,宽波段和高分辨率难以同时满足。文章针对532nm激发波长,设计了一款同时具有宽波段、超高分辨的拉曼光谱仪。将整个光谱范围按照低波段最低分辨要求分成四个波段,并通过旋转光栅和旋转聚焦镜的方式,完成了不同波段相互切换的集成化设计,实现了80~4000cm^(-1)宽波段范围,全波段1.2cm^(-1)超高分辨率的光学指标。考虑到探测器的较大体积尺寸,为避免元件发生干涉,该系统中元件之间具有足够的距离。相比于国内市场的同类产品,该光谱仪具有宽波段和超高分辨率的同时无需更换结构内部其他元件,在一定程度上节省了成本。

摘要：大像面荧光显微成像系统可以对大尺寸dPCR生物基因芯片进行一次性成像,但其景深(DOF)较小,限制了系统的物方检测深度。文章采用波前编码技术在不降低分辨率的前提下,有效扩展了大像面荧光显微成像系统的景深,为后续高通量多层堆叠式dPCR生物芯片实现一次性成像提供了技术支持。但考虑到显微成像系统正向设计仿真时不适合直接进行景深延拓分析,故对其倒置翻转后在像方(原物方)分析焦深延拓范围(即景深)。为确定最优的相位板参数值,编写遗传算法与ZEMAX的API接口链接,以动态交互的方式对相位板调制系数进行优化、筛选、定值。在大像面荧光显微成像系统孔径光阑前的平行光路处添加特定系数的相位板,对光学系统的波前相位进行调制,使得在焦点附近一段范围内产生成像一致的中间模糊像。采用维纳滤波对中间模糊像进行复原,由模拟的结果可见,在传统光学系统的±10倍景深内,编码复原图像具有较高的分辨率(达到6.5μm),能够实现系统的景深延拓。装配相位板的大像面荧光显微成像实际系统,其延拓倍数在±7倍景深范围内有较好的图像复原分辨率(6.5μm)。

摘要：在现有的教学资源推荐系统中算法和模型不断进步,但推荐策略仍然停留在学生偏好分析或内容相关性计算两方面,忽略了教学资源推荐中授课教师对教学目标的掌控以及企业导师的实践价值引导作用。为此,提出一种基于图神经网络和多主体评价的教学资源推荐方法,综合考虑学生、教师和企业导师3个主体的评价,并解决多主体评价导致的小样本问题。首先,构建包含教学资源和知识点的异质图,通过异质图嵌入分别获取教学资源和知识点的特征向量表征,计算教学资源与知识点的相关性;然后,设计多主体评价机制,分别制定针对学生、教师和企业导师3个不同主体的细粒度评价指标,利用基于图神经网络的小样本学习(GNN-FSL)模型获取不同主体对教学资源的评分向量估计;最后,利用注意力机制来综合不同主体的评分向量估计以及教学资源与知识点的相关性对推荐结果的影响。实验结果表明,该方法在小样本训练中具有较好的评分向量估计准确度优势,并且融合多个主体评价和增加细粒度多主体评价指标的两大措施均对提升推荐准确度和学习成绩具有显著作用。

摘要：针对卷积神经网络(CNN)在捕捉预测序列间历史相关性方面的不足以及在变量复杂情况下出现的无法精准提取预测关键信息的问题,提出一种将双向长短期记忆网络(BiLSTM)与卷积神经网络结合的CNN-BiLSTM模型.首先,采用数据预处理方法保证数据的正确性和完整性,并对数据进行分析以探究多变量之间的相关性;其次,通过CNN与L1正则化对多维输入特征进行特征筛选,选取与预测相关的重要性特征向量;最后,使用BiLSTM对CNN输出的关键特征信息进行保存,形成向量与预测序列,并通过分析时序特征的潜在特点,提取用户的内在消费模式.实验比较了该模型与其他时序模型在不同时间分辨率下的预测效果,实验结果表明,CNN-BiLSTM模型在不同的回望时间间隔下表现出了最佳的预测性能,能够实现更好的短期负荷预测.

摘要：目前关于PET/CT图像分割的方法缺少对图像全局上下文信息提取的考虑并且对提取到的特征信息进行融合的方式有待优化.针对上述问题,本文提出了并行提取和特征综合网络(Parallel Extraction and Feature Synthesis Network,PFNet).该网络首先利用卷积神经网络(convolutional neural network,CNN)和Transformer分别设计了两个支路分别从PET/CT图像中提取局部特征和全局上下文信息.其次,为了融合不同的特征信息,本文设计了一个特征综合模块,将两个分支提取的不同信息送入特征综合模块进行融合.在该模块中,设计了多策略融合单元,与此同时该模块利用通道注意力单元和依赖关系学习单元进一步学习通道特征信息和特征图自身依赖关系,以便进一步进行特征融合.此外本文引入了LogCoshDiceLoss作为损失函数,其利用函数Log-Cosh的平滑性可以提高分割性能.最后,在神经母细胞瘤数据集和HECKTOR 2021数据集上的实验结果表明本文提出的网络相比其它方法具有更好的分割性能,获得了较好的分割效果.

摘要：多功能超表面的研究和开发是光子学的研究热点,光子自旋解耦合的实现对多功能超表面的制备至关重要。利用光子自旋霍尔效应将不同手性的圆偏振光分离,已经取得显著的研究成果。然而,其分离后的圆偏振光的几何相位是互为共轭的,无法对两种圆偏振光的相位实现完全独立且自由的调控。本文通过几何相位和共振相位的联合使用,打破了几何相位之间的共轭关系,实现了不同手性圆偏振光的自旋解耦,从而设计出了一款基于人工等离子体极化激元的双功能波前自由调控耦合器。在75 GHz线偏振光源的激励下,耦合器的左右两侧模拟实现了效率分别为41%和37%的聚焦光束和贝塞尔光束。本文为多功能元器件的制备和光子集成的片上器件提供了新的设计方案和思路。