摘要：容积泵是一种通过改变密闭空间的容积来实现流体输送的泵。密闭空间容积的改变是通过围成它的机械部件之间的相对运动实现的。目前的容积泵无法避免这些机械部件之间的滑动摩擦。如果能设计出使用滚动摩擦代替所有滑动摩擦的结构,则可以让摩擦力大大减小,从而提高泵的效率和寿命。避免滑动摩擦的同时保证密封却是一个很有挑战性的几何设计问题。以正八面体为基本结构,通过在它的棱和面上放置特殊形状的转子和活塞,成功实现这种构造,并使用三维几何建模软件模拟了这种结构的工作过程。该工作不仅从理论上证实了无滑动摩擦的容积泵的可实现性,对高效率容积泵的设计也有着很强的应用价值。

摘要：医学图像的质量对于患者疾病的诊断、治疗乃至科学研究起着重要的作用.然而,受医疗设备和放射剂量等因素的影响,医学CT图像的分辨率普遍较低.为了实现医学CT图像超分辨重建,提出一种结合反卷积的神经网络算法,通过引入反卷积操作,有效地建立了低/高分辨率图像之间端到端的映射.首先选取肺部、脑部、心脏和脊椎等部位的1 500幅CT图像作为训练数据,将训练数据下采样后输入网络模型;然后建立正反卷积网络模型学习图像特征,网络模型用caffe框架实现,激活函数使用PReLU;最后基于学习到的这些特征重建出高分辨率图像,采用平均方法重建图像.实验结果表明,文中算法能够更好地重建出图像的轮廓和边缘纹理;与已有算法相比,所构建的4层网络结构在重建结果的峰值信噪比、结构相似性、信息熵及重建速度等性能指标上均取得了更好的效果.

摘要：近年来,超像素在医学图像处理领域的应用愈加广泛,现有的方法取得了较好的效果,如LAW,SLIC等.然而,这些方法在处理医学图像得到超像素时,位于组织边缘像素点的划分仍存在类别模糊问题.为此,提出一种基于U-Net网络的超像素分割方法.首先,通过双边滤波模型过滤外部噪声,增强超像素信息;然后,结合U-Net卷积网络学习图像特征.该方法为U-Net网络中每个特征尺度的卷积层后嵌入一个规范层,用于增强网络对参数的敏感性.实验结果表明,该方法有效提高了医学图像超像素的分割精度,与groundtruth相比,其改善了超像素边缘分类的准确性,优化了超像素分割结果,在精确度、召回率、F-measure和分割速度等性能指标上均取得了更好的效果.

摘要：并发传输技术对于智能传感系统具有重要意义。所提出的C3S策略基于相长干涉技术,由智能时钟同步层、智能能耗分配层和智能并行流水线层组成。智能时钟同步层设计了基于相长干涉的智能时钟校准算法ICCA,智能能耗分配层设计了相长干涉能量自适应调度方案CIES,智能并行流水线层实现了基于相长干涉的并行流水线CI2P。实验结果表明,C3S策略可以有效提升智能传感系统并发传输的分组接收率,降低系统的能量消耗,改善系统的信道利用率。

摘要：目前中文命名实体识别模型在识别具有嵌套结构的实体时存在误差,无法准确识别。基于跨度的方法能够找出嵌套实体,但在识别过程中经常生成不包含实体的跨度,无法明确划分跨度边界,增加模型负担。针对此问题,提出了基于词汇融合与跨度边界检测的中文嵌套命名实体识别模型。该模型使用多词融合方法达到文本特征增强的目的,在设计的注入模块中将目标语句中字符相关的多个词汇信息进行合并,之后融入到BERT中,以此获得更全面的上下文信息,提供更好的跨度表示;其次添加跨度边界检测模块,通过感知分类器预测跨度的首尾字符来划分跨度边界。在公共数据集上的实验表明,该模型可有效提升识别准确率。