简介:以卷积神经网络为代表的深度学习算法在医学影像分析领域正引起广泛美注,并取得了令人惊叹的进步。为了进一步提高卷积神经网络在计算机辅助筛查肺结节应用的准确率,本文设计了2种改良的深度卷积神经网络,这些改进加快了神经网络的训练速度.有效地防止了算法的过拟合。相比只采用二维卷积核的其他检测模型,该模型能够有效地学习到CT影像三维重建后的图像特征。通过实验,改进的检测模型在LUNAl6数据集上的准确率明显好于其他模型,这种网络结构也可用于医学影像领域中其他三维图像的检测场景。最后,构建了一套适用于远程医疗的“计算机辅助肺癌筛查与诊断系统”,该系统能够自动检测出CT影像中肺结节,并给出结节的良恶性概率评估。通过该系统的应用,可以有效缓解放射科医生超高的劳动强度,提高阀片效率,服务更多患者;减少漏诊和误诊发生的次数,有助于提高肺结节的诊断准确率;从而促进我国肺癌早筛工作的推广。
简介:链路预测是网络信息挖掘的主要研究内容,通过对网络结构和其他信息的分析,挖掘缺失的链接或预测未来可能出现的链接。链路预测在推荐系统、社会网络和生物网络分析中有着十分广泛的应用。本文首先介绍了基于公共邻居、路径和随机游走的8种常用的链路预测指标.并在此基础上提出了一种基于这8种指标线性组合的度量指标,并经过实验找出了较好的优化参数。然后,提出了基于这8种指标的神经网络模型.并分别基于Weka平台和FANN库进行了实现。在社会网络的4个公开测试集上的实验结果表明.基于FANN库的神经网络模型的预测结果最好,在4个数据集上最高的AUC值分别达到了0。95l8、0.9289、0.7480和0.8677,与单一指标最好的AUC值相比分别提高了3.92%、1.45%、7.06%和24.35%。
简介:在Mach数3.4的来流条件下,对二维后台阶流动精细结构开展了实验研究.实验分为后台阶上游无控制加粗糙带扰动及微涡流发生器(micro-vortexgenerator,MVG)扰动3种状态,采用基于纳米示踪的平面激光散射(nano-tracerbasedplanarlaserscattering,NPLS)方法获得了流向和展向切面内的高时空分辨率流动显示图像,并测量了模型表面静压分布.对大量NPLS图像取平均,研究了流场结构的时间平均规律,对比不同时刻的瞬态流场精细结构图像,发现不同状态下的湍流大尺度结构的特征时间.有粗糙带状态相对无粗糙带台阶下游回流区压力更低,而下游压力较高,台阶上游区别不大;受MVG控制后台阶下游附近区域压力突增;MVG对流动的控制改变能力较强,粗糙带能调整台阶上下游附近流动平稳过渡,流场壁面压力没有突变.
简介:目前,随着相关项目研究的不断推进,如何在高Reynolds数下研究其对气动光学效应的影响成为重要命题.通过设计变Reynolds数气动光学效应实验平台,模拟的单位Reynolds数可以在7.2×10^6-2.2×10^8m^-1范围内变化.搭建的基于背景纹影(backgroundorientedschlieren,BOS)的波前测试系统可以达到6ns的时间分辨率.此系统测量的平凸透镜波前结果表明:实验测量结果与理论计算结果的误差在±4%以内.通过测量9种不同Reynolds数下的超声速气膜瞬态波前数据,分析结果表明:在高Reynolds数条件下,Reynolds数对于超声速气膜气动光学效应的影响比较明显,通过对实验数据进行函数拟合发现OPDrmsRe088,与推导结果OPDrmsRe09十分接近;利用小波分析方法研究了高Reynolds数条件下气动光学效应沿流向的分布特征,发现OPDrms的低频部分(信号的主体)先降低后升高,但是高频部分的震荡幅度先升后降.分析认为OPD的低频部分主要受到流场整体结构的影响,而高频部分更多地受到涡的空间分布影响.