摘要：为了进一步减少数据扫描时间,提高磁共振成像速度,我们对压缩感知MRI脉冲序列进行了研究。采用相位编码方向变密度欠采集的方式,设计了基于自旋回波的压缩感知序列;并采用PPL语言编程,在永磁和超导MR扫描仪上实现了该序列,对压缩感知欠采集与自旋回波全采集的数据进行了图象重建和分析。结果表明:该序列达到了压缩感知的要求,采集的头部和膝盖数据的最佳欠采样加速因子分别为2和4,大大节省了数据采集时间。该序列的实现使得低场强MR扫描仪在不提高梯度性能的情况下,便可实现快速成像,为提高我国在MR扫描仪上的研发水平奠定了基础。

摘要：动脉脉搏波速度能够很好地反映动脉弹性,准确测量动脉脉搏波速度对预防和治疗心血管疾病有很大的帮助。设计了一种基于FPGA的脉搏波速度测量系统,系统由调理模块、AD采集模块、触摸屏控制显示模块组成。采用SOPC Builder配置FPGA内核,同步采集2路脉搏信号,计算脉搏波速并显示波形。实验结果表明:系统具有良好的人机交互界面,由该系统测得实验室一成员的脉搏波波速平均值为10.344 m/s,而且标准差小于0.5,稳定性很高。

摘要：针对计算机断层扫描(CT)影像中肺结节尺寸变化较大、尺寸小且不规则等特点导致的检测敏感度较低的问题,提出了基于特征金字塔网络(FPN)的肺结节检测方法。首先,利用FPN提取结节的多尺度特征,并强化小目标及目标边界细节的特征;其次,在FPN的基础上设计语义分割网络(名为掩模特征金字塔网络(Mask FPN))用于快速准确地分割提取肺实质,作为目标候选区域定位图像;并且,在FPN顶层添加反卷积层,采用多尺度预测策略改进快速区域卷积神经网络(Faster R-CNN)以提高检测性能;最后,针对肺结节数据集的正负样本不平衡问题,在区域候选网络(RPN)模块采用焦点损失函数以提高结节的检出率。所提方法在公开数据集LUNA16上进行实验,结果表明,利用FPN和反卷积层改进的新网络对结节检测效果有一定的帮助,采用焦点损失函数也有一定效果。综合多种改进,当平均每个扫描件的候选结节数为46.7时,所提方法的肺结节检测敏感度指标为95.7%,与其他卷积神经网络方法如Faster R-CNN、UNet等相比,具有较高的敏感性。所提方法能够较好地提取不同尺度上的结节特征,提高CT图像肺结节检测的敏感度,同时对于较小的结节也能有效检测,能更有效地辅助肺癌的诊断治疗。

摘要：目前,基于深度学习的超分辨算法已经取得了很好性能,但这些方法通常具有较大内存消耗和较高计算复杂度,很难应用到低算力或便携式设备上.为了解决这个问题,设计一种轻量级的组−信息蒸馏残差网络(Group-information distillation residual network,G-IDRN)用于快速且精确的单图像超分辨率任务.具体地,提出一个更加有效的组−信息蒸馏模块(Group-information distillation block,G-IDB)作为网络特征提取基本块.同时,引入密集快捷连接,对多个基本块进行组合,构建组−信息蒸馏残差组(Group-information distillation residual group,G-IDRG),捕获多层级信息和有效重利用特征.另外,还提出一个轻量的非对称残差Non-local模块,对长距离依赖关系进行建模,进一步提升超分性能.最后,设计一个高频损失函数,去解决像素损失带来图像细节平滑的问题.大量实验结果表明,该算法相较于其他先进方法,可以在图像超分辨率性能和模型复杂度之间取得更好平衡,其在公开测试数据集B100上,4倍超分速率达到56 FPS,比残差注意力网络快15倍.

摘要：该文提出一种基于MPU6050的老年人跌倒监测系统。该系统采用MPU6050传感器和STM32微处理器,并通过蓝牙4.0设备将跌倒信息传输到智能手机,手机进行语音报警并将GPS信息通过短信形式通知家人和医院。为区分跌倒事件和日常生活行为,该文设计了一种基于三轴加速度和角度的两次阈值判别算法。实验结果显示:跌倒监测系统能够有效监测跌倒事件并报警,准确率达95%,具有较高的稳定性和可靠性。

摘要：为提高室内场景的点云语义分割精度,设计了一个全融合点云语义分割网络。网络由特征编码模块、渐进式特征解码模块、多尺度特征解码模块、特征融合模块和语义分割头部组成。特征编码模块采用逆密度加权卷积作为特征编码器对点云数据进行逐级特征编码,提取点云数据的多尺度特征;然后通过渐进式特征解码器对高层语义特征进行逐层解码,得到点云的渐进式解码特征。同时,多尺度特征解码器对提取的点云多尺度特征分别进行特征解码,得到点云多尺度解码特征。最后将渐进式解码特征与多尺度解码特征融合,输入语义分割头部实现点云的语义分割。全融合网络增强了网络特征提取能力的鲁棒性,实验结果也验证了该网络的有效性。

摘要：介绍一种基于ARM的运动控制平台的设计以及驱动程序开发的流程。给出硬件系统设计方案,重点阐述WinCE下自动加样系统驱动程序的实现。此平台已经成功应用于三轴自动加样系统,实现了系统加样针管准确定位、吸排系统平稳升降和流量精确控制等功能,取得了良好的效果。

摘要：研究基于荧光淬灭原理的光纤氧传感器基本结构,利用虚拟仪器设计实现光纤氧传感器的信号处理系统。使用NI-USB9215采集卡实现荧光光纤传感器信号的采集,采用LabVIEW中的Signal Process工具箱对采集的信号进行处理。实验结果表明,基于虚拟仪器的信号处理系统,成本低、抗干扰性强、重复利用性高,并可在不改变硬件条件的前提下不断优化系统。

摘要：在分析光路和单光纤对理论建模的基础上,建立了光纤束理论模型,并对模型进行了仿真分析。针对强度调制型光纤传感器光源单模尾纤输出以及检测条件,设计实现了一根多模光纤发送,6根多模光纤接收的反射式光纤束探头,光纤束探头把光源的光分成两路,一路作为检测光路,另一路作为参考光路,在强度调制型光纤传感器的测量中取得了良好的效果。

摘要：目的随着全球人口老年化趋势日益加剧,阿尔茨海默症(Alzheimer’s disease,AD)的及时诊断与病理区域的可视化及其准确定位具有重要的临床意义。目前的研究中,基于块级和区域级的检测,由于采用非线性交互很难解释影响模型决策的病理区域。针对此问题,提出了一种AD病理区域定位及诊断的联合学习框架。方法利用反事实推理的思想,基于前景背景注意力掩码构建注意力引导的循环生成对抗网络(attention-guided cycle generative adversarial network,ACGAN)可视化AD患者的病理区域,并使用生成的病理区域知识指导增强诊断模型。具体来说,通过在ACGAN模型的生成器中设计注意力掩码来引导生成方案,使模型更好地聚焦于疾病的病理区域,有效地捕捉突出的全局特征。并通过ACGAN模型中病理区域生成器实现结构磁共振图像(structural magnetic resonance imaging,sMRI)在源域和目标域之间的转换清晰地划分出细微的病理区域。利用生成的病理区域知识作为指导,并结合三维坐标注意力与全局局部注意力,获取三维图像之间的依赖关系及三维空间的位置信息,优化诊断模型。结果为了验证方法的有效性,在公开的ADNI(Alzheimer’s disease neuroimaging initiative)数据集上对模型进行评估,与传统的卷积神经网络(convolutional neural network,CNN)模型及几种较为先进的AD分类诊断模型相比,本文使用病理区域知识指导增强诊断模型显示出优越的诊断性能,相比于性能较好的方法,ACC(accuracy)、F1-score、AUC(area under curve)分别提高了3.60%、5.02%、1.94%。并对生成的病理区域图像进行定性及定量评估,本文方法得到的病理区域图像归一化互相关分数和峰值信噪比均优于对比方法。结论与现有方法相比,本文模型可以学习sMRI图像在源域和目标域之间的转换,能够准确地捕获全局特征及病理区域。并将学习到的病理区域知识用于AD诊断模型的改进,使分类诊断模型取得了卓越性能。