摘要：视网膜层边界的形态变化是眼部视网膜疾病出现的重要标志,光学相干断层扫描(optical coherence tomography,OCT)图像可以捕捉其细微变化,基于OCT图像的视网膜层边界分割能够辅助相关疾病的临床判断.在OCT图像中,由于视网膜层边界的形态变化多样,其中与边界相关的关键信息如上下文信息和显著性边界信息等对层边界的判断和分割至关重要.然而已有分割方法缺乏对以上信息的考虑,导致边界不完整和不连续.针对以上问题,提出一种“由粗到细”的基于端到端深度神经网络和图搜索(graph search,GS)的OCT图像视网膜层边界分割方法,避免了非端到端方法中普遍存在的“断层”现象.在粗分割阶段,提出一种端到端的深度神经网络—注意力全局残差网络(attention global residual network,AGR-Net),以更充分和有效的方式提取上述关键信息.具体地,首先设计一个全局特征模块(global feature module,GFM),通过从图像的4个方向扫描以捕获OCT图像的全局上下文信息;其次,进一步将通道注意力模块(channel attention module,CAM)与全局特征模块串行组合并嵌入到主干网络中,以实现视网膜层及其边界的上下文信息的显著性建模,有效解决OCT图像中由于视网膜层形变和信息提取不充分所导致的误分割问题.在细分割阶段,采用图搜索算法去除AGR-Net粗分割结果中的孤立区域或和孔洞等,保持边界的固定拓扑结构和连续平滑,以实现整体分割结果的进一步优化,为医学临床的诊断提供更完整的参考.最后,在两个公开数据集上从不同的角度对所提出的方法进行性能评估,并与最新方法进行比较.对比实验结果也表明所提方法在分割精度和稳定性方面均优于现有方法.

摘要：采用0.18μm RF CMOS工艺,设计了一种基于可调谐有源电感的微型宽带Wilkinson功分器,由正跨导放大器、负跨导放大器、构成反馈回路的Cascode电流镜结构与双重外部电压偏置电路构成,新型有源电感基于回转器原理实现。仿真结果表明,中心工作频率为2 GHz时,功分器的插入损耗小于0.15 dB,输入端口与输出端口的回波损耗均大于36 dB,两输出端口间的隔离度大于39 dB。改变外部偏置电压时,中心工作频率可在1.3~3.0 GHz频率范围内调谐。在1.8 V电源电压下,功耗为4.8 mW,版图尺寸为0.3 mm×0.4 mm。

摘要：柴达木盆地位于青海省西北部,是在昆仑山、阿尔金山和祁连山控制形成的山间断陷盆地,由于盆地中生代沉积了大范围的侏罗系地层,因此盆地内含有丰富的油气资源,众多学者对柴达木盆地的构造演化做了大量的研究,受限于盆地的山盆耦合模式,地形、地质条件复杂,山前地带大多是地震的空白区,仅在局部获得了地震勘探资料,但资料品质较差。由于缺乏详细资料,关于该区域构造演化的研究没能深入开展,盆地内部构造演化的研究主要在构造背景和构造格架上,对于构造的细节没有得到解析。本文通过音频大地电磁法探测大柴旦地区盆地地质特征,基于三维非线性共轭梯度(3D-NLCG)反演算法,获得研究区三维电性模型,结合区域地质、地球物理资料研究盆地构造演化,结果表明:三维电性模型揭示了柴北缘地区盆地中生代以拉张为主形成一系列断陷盆地,新生代以喜山构造活动为主产生一系列挤压为主的冲断构造,造成早侏罗系-晚白垩系地层的局部缺失等地质活动的盆地演化动力学电性特征。

摘要：【目的】系统梳理和测试当前互联网中可获取和使用的大模型在编校方面的表现,明晰现有大模型的强项与不足,为编辑人员选用大模型进行编校提供参考,为推动模型编校能力发展提供依据。【方法】设计不同类型、不同难度等级差错文本,综合使用文本对比法、比较分析法、统计分析法等方法,根据模型回答的结果判断其准确率与稳定性。【结果】发现已有58款大模型具备编校能力;展示36款大模型处理不同类型和不同难度文本时的表现;归纳大模型在测试中表现出来的不足;国产大模型与Chat GPT相比具有优势。【结论】在实践层面,编辑可以选择合适的模型辅助编校工作;建立知识库,探索个性化的模型编校方式;使用角色设定和思维链询问方法以提高效率;进一步提升信息素养和专业技能。

摘要：针对突发事件数据的属性冗余、数据缺失等问题,设计了一种基于相关族理论的快速属性约简方法。首先,在第一型覆盖粗糙集模型上提出相关族属性约简方法,并设计了相应的启发式算法。其次,与其他属性约简算法进行对比,验证了该算法的有效性和正确性。最后,运用该算法对恐怖袭击事件数据集进行实例分析,结果表明,该方法显著降低了突发事件发生之后的数据收集难度,从而可以减少应急反应的时间和成本。

摘要：由于低分化肿瘤很难通过常规组织病理学诊断发现,而结合基因检测的手段可以准确筛选出针对特定肿瘤的致病基因,因此基因选择是进行肿瘤分类和临床治疗的关键问题.肿瘤基因表达数据具有样本小、维度高的特征,现有的基因选择算法在分类精度和计算效率上还有待提高.在模糊粗糙集理论的基础上进行区分矩阵模糊化,并依此设计了模糊区分矩阵属性约简算法.相比于经典的区分矩阵,模糊化的区分矩阵能够体现不同属性对于两个对象区分程度的差异,从而选择区分程度更高的属性而获得更好的分类效果.数值实验表明该方法提高了肿瘤基因数据的分类精度,且降低了计算耗时.实验采用kNN分类器进行结直肠癌(Colon Microarray)分类特征基因选择实验,从2000个特征基因中筛选出了五个结直肠癌发病相关的关键基因,且分类精度高达88.06%。

摘要：人工智能技术与大数据的飞速进步为当代教育行业带来新发展条件,而现阶段的教育大数据存在采集困难、利用率低等问题。为此,搭建了一种面向教育大数据的采集分析平台,该平台能够采集并整合学生数据与教学数据,并通过Hadoop、Spark等大数据分析框架全面挖掘学生的个性化学情信息。进一步地,提出了一种大数据驱动、线上线下指导相协调的精准教学实践模式。研究内容有助于大数据技术与高校教学质量的协同发展,促进精准教学实践模式在大数据背景下的发展。