简介：摘 要 : 本次论文针对于图像处理提出了，基于卷积神经网络的一种自动分割的方式。把图像进行去噪音处理 ， 归因化，然后再进行标注。使用有效的融合多尺度和残差连接卷积神经网络器进行训练，进而得到一个被优化的卷积神经网络的分割模型，再把这个图像加载到一个优化的模型里面，把原图以及恢复分辨率以后的图像进行掩码，进而得到一个高清的分割结果。把最后处理结果和利用 ps 处理的结果进行对比，结果表明 ， 本次研究中使用的方法非常可靠，得到的结果和标准结果很接近，而且能够实现自动分割，进而可以有效的解决在三维重建中的分割任务等问题。

简介：摘要目的用精准自动勾画女性肠道器官的Dense V-Network模型对宫颈癌患者进行训练并评估。方法将Dense Net与V-Net2个网络模型进行融合，形成一种用于三维CT图像自动分割的Dense V-Network算法。160例宫颈癌患者CT数据被随机分为训练集130例用于调整模型参数，测试集30例用于评估自动分割效果。采用戴斯相似性系数(DSC)等8个参数定量评估分割效果。结果小肠DSC、杰卡德距离、体积差异性系数、敏感性指数、包容性指数、豪斯多夫距离、轮廓平均差异、质心偏差分别为0.86±0.03、0.25±0.04、0.10±0.07、0.88±0.05、0.85±0.05、(2.98±0.61) cm、(2.40±0.45) mm、(4.13±1.74) mm，结果优于单一算法(均P<0.05)。结论Dense V-Network算法可较为准确地分割肠道器官，医生修改审查简单易行，可用于临床。

简介：摘要：随着科学技术的发展，人工智能已经被广泛应用到生活中，计算机视觉作为其中的重要领域，也被研究者逐渐重视。本文重点讲述了卷积神经网络以及图像分割的发展史，重点讲述了目前具有代表的deeplab神经网络架构中的特点，分析其中的原理，对后续的研究具有借鉴作用。

简介：摘要：深度学习是人工智能领域的重要研究方向，TensorFlow是目前流行的深度学习框架。首先对TensorFlow框架及其环境搭建进行了介绍，在Tensorflow框架基础之上实现了U-Net网络模型；然后论述了基于该框架的卷积神经网络模型在脑出血CT图像分割中的应用。

简介：摘要目的研究基于不同感受野的鼻咽癌靶区和危及器官自动分割网络。方法收集100例鼻咽癌患者放疗数据，包含患者CT图像和医生勾画的靶区(GTV)和危及器官。随机选取90例数据作为训练集，另10例作为验证集。首先对图像进行中心裁剪、随机垂直翻转和旋转(-30°～30°)数据增强方式，输入至本文提出的MA_net网络进行训练，通过网络参数、浮点运算数、运行内存和Dice系数评估该网络性能；最后将其与当前主流的分割网络DeeplabV3+、PSP_net、UNet++、U_Net比较。结果当输入图像为240×240时，MA_net网络参数分别为4个网络的23.20%、20.10%、25.55%和27.11%；其浮点运算数分别为4个网络的50.02%、19.86%、6.37%和13.44%；其运行内存分别为4个网络的40.63%、23.60%、11.58%和14.99%；GTV的分割结果显示MA_net的Dice系数比4个网络分别高出1.16%、2.28%、1.27%和3.59%；GTV与危及器官的分割结果显示MA_net的平均Dice系数比4个网络分别高出0.16%、1.37%、0.30%和0.97%。结论相比于上述4个网络，MA_net参数少、运算浮点数低、运行内存小且Dice系数有所提升。

简介：[目的/意义]牛的体尺参数是反映牛身体发育状况的关键指标,也是牛选育过程的关键因素.为解决规模化肉牛牧场复杂环境对肉牛体尺的测量需求,设计了一种图像采集装置以及体尺自动测量算法.[方法]首先搭建肉牛行走通道,当肉牛通过通道后进入限制装置,用英特尔双目深度相机D455对牛只右侧图像进行RGB与深度图的采集.其次,为避免复杂环境背景的影响,提出一种改进后的实例分割网络Mask2former来对牛只二维图进行前景轮廓提取,对轮廓进行区间划分,利用计算曲率分析方法找到所需体尺测点.然后,将原始深度图转换为点云数据,对点云进行点云滤波、分割和深度图牛只区域的空值填充,以保留牛体区域的点云完整,从而找到所需测点并返回到二维数据中.最后,将二维像素点投影到三维点云中,利用相机参数计算出投影点的世界坐标,从而进行体尺的自动化计算,最终提取肉牛体高、十...

简介：摘要：及时准确地发现路面、桥梁、房屋的裂缝对做到及时维护和消除安全隐患至关重要，大规模的表面裂缝检测工程量巨大，且易受人们主观因素影响。本文构建一种基于编码器-解码器的U型网络结构，以改进的Transformer作为网络基础模块，以捕获裂缝狭长语义信息。利用卷积模块对局部强特征提取的优势，在瓶颈层处引进了空洞空间金字塔池化模块。为了弥补编码器-解码器之间的语义鸿沟，在U型网络的不同跳跃连接处插入注意力模块以更好聚合不同层次的特征信息。

简介：摘要：肺炎是一种常见且严重危害人体健康的呼吸系统感染疾病，CT影像不仅能直观地显示病变部位，还可提供诸如病灶形态、密度等信息，在早期发现和治疗过程中发挥着重要作用，也是医生了解病变程度和患病细节的常见手段。在卷积神经网络的基础上，开展肺部病变的判断以及病灶区域的分割定位研究，可以大幅提高诊疗速度，协助医生准确诊断和定位肺炎病变区域。目前的肺炎辅助诊断方法多将分类与分割算法的实施截然分开，区别于目前多将分类与分割算法实施截然分开的肺炎辅助诊断方法，研究了在通用卷积神经网络的基础上完成快速分类任务的实现方法，在专业人士的参与下标注并建立了用于肺炎病灶区域分割的数据集，并利用U-Net及相关改进网络模型，在训练集规模较小的情况下可完整勾勒出肺炎病灶的边缘，并获得到相对较高的分割精度。实验结果表明，通过在所处理的近300张数据集上进行实验，可以得到近85%的准确度。

简介：美国一位名叫罗伯·舒乐的博士，在自己身无分文的情况下，却立志要在加州建造一座水晶大教堂。这座教堂的预算造价为700万美元。

简介：已知平面上n条直线l1，l2，l3，…，ln，最多可以把平面分割成多少个部分？此时有多少个交点？

简介：十六岁的宾利买通了看守，告诉妹妹三天后就回来，坐火车逃到了新世界的中心。从火车站出来，他头一次看见了海。“真漂亮啊!”他发自内心感慨，并立刻把一路来对妹妹的想念抛到了脑后。波光粼粼的海平面让他觉得自己对妹妹的爱实在肤浅。接着他就发现自己的钱包被刚刚卖汽水的小贩偷走，对海的新奇渴望立刻又被压制下来。“没关系，我还有头脑。”他安慰自己，发誓要出人头地。

简介：近期，市场人士对银行间市场上国债及政策性金融债的利差给予了充分关注，并将税收作为主要因素考察了金融机构投资不同券种的收益、市场中可能存在的套利空间以及税收主导下投资的策略取向问题，本刊也在2006年第4期刊出了这一讨论的主要代表作——南方基金万晓西撰写的《国债和政策性金融债的利差定价模型及检验》。该文对万晓西一文提出的模型进行了修正，并基于万晓西一文的观点展开了讨论。

简介：“正方形分割”是近几年中考中出现频率较高的一类操作型试题，其通常给出相应要求，让学生进行分割或重组或在此基础上计算和推理，突出对学生图形变换、推理计算、开放创新等能力的考查．本文采撷2009年部分此类试题，对其常见题型及解法作些许探讨．

简介：摘要目的基于深度卷积神经网络（DCNN）方法自动测量彩色眼底像上全局和局部豹纹分布密度。方法应用研究。将2021年5~ 7月于山东第一医科大学附属青岛眼科医院北部院区行近视手术的患者514例1 028只眼的1 005张彩色眼底像建立人工智能（AI）数据库。采用RGB颜色通道重标定方法（CCR算法）、基于Lab颜色空间的CLAHE算法、多重迭代照度估计的Retinex算法、具有色彩保护的多尺度Retinex算法对图像进行预处理。对比观察上述4种图像增强方法以及使用Dice损失、边缘重叠率损失和中心线损失对豹纹分割模型效果的影响。建立眼底豹纹分割模型识别全图范围内豹纹结构区域；构建眼底组织结构检测模型用于视盘及黄斑中心凹定位。计算视野范围内后极部豹纹密度（FTD ）、黄斑区豹纹密度（MTD）、视盘区豹纹密度（PTD ）。结果应用CCR算法图像预处理和训练损失组合后，豹纹分割模型的Dice系数、准确率、灵敏度、特异性、约登指数分别达到0.723 4、94.25%、74.03%、96.00%和70.03%。模型自动测量的FTD、MTD、PTD值与人工标注测量值平均绝对误差分别为0.014 3、0.020 7、0.026 7，均方根误差则分别为0.017 8、0.032 3、0.036 5。结论基于DCNN分割和检测方法能自动测量近视患者眼底全局和局部区域的豹纹分布密度，可以更准确地辅助临床监测和评估眼底豹纹改变对近视发展的影响。

简介：针对非线性系统的控制问题，提出了一种基于黄金分割法的RBF神经网络预测控制算法。该算法以神经网络作为预测模型，用黄金分割法优化控制器，其中以控制变量的约束．条件作为优化的初始区问。针对化工过程蒸馏塔控制系统，通过仿真计算验证了该方法的有效性。

简介：摘要目的研究基于多任务学习轻量级卷积神经网络(MTLW-CNN)在肺部危及器官(OAR)自动分割中的应用。方法MTLW-CNN包含多个特征共享层和OAR的对应勾画分支。收集497例肺癌病例，以同时包含肺、心脏和脊髓的CT及医生勾画的轮廓为样本，随机划分300例用于训练与验证，197例用于测试。在测试集应用MTLW-CNN计算OAR的戴斯相似性系数(DSC)，与Unet、DeepLabv3+的DSC、训练及测试时长、空间复杂度(S)进行对比。为研究多任务学习对模型泛化性能的影响，按照MTLW-CNN结构建立3个OAR的单任务学习模型(STLW-CNN)，使用相同数据训练与测试，统计并对比两者DSC。结果MTLW-CNN的肺、心脏、脊髓DSC平均值分别为0.954、0.921、0.904。与Unet、DeepLabv3+的DSC差距<0.020，训练与测试时长是Unet、DeepLabv3+的1/3~1/30，S分别为Unet、DeepLabv3+的1/42、1/1220。STLW-CNN的肺、心脏DSC平均值、标准差与MTLW-CNN差距约为0.005、0.002，脊髓平均值相差0.001，但标准差却比MTLW-CNN高0.014。结论MTLW-CNN以更小的时间、空间代价实现肺部OAR的高精度自动勾画，不仅可以提高模型应用效率，还有利于提高模型的泛化性能。

简介：在某同学的生日聚会上，共来了20位同学，在分食生日蛋糕时，有人提出：“为了使每位同学都能分到一块蛋糕(不要求每块蛋糕大小都一样)则至少要切几刀?”

简介：1．在下图中画四条直线，将图分割成四部分，使每个独立部分内所含的茄子和葫芦卜的数目相同，所含的番茄数则分别为3、4、5、6个。

简介：有一个书斋,起一个雅名,好像已成了读书人的惯例和通病。既然如此,自己也就不能免俗。没有书斋的时候,想着有个书斋;有了书斋,又想起个好名。起初书并不很多,只有一橱,满打满算,也不会超过四百本。但每本都很珍惜,用厚厚的牛皮纸很仔细地包好。因为屋子很潮,黄梅天书变得软乎乎的,一到大暑,第一件事就是把书搬出去晾晒。两张长条凳,搁上竹

简介：冬冬放学刚进家门,爸爸向他招手：＂快来看我养的小兔子。＂冬冬跟着爸爸来到兔舍跟前,只见里面有5只小兔子,真可爱!爸爸拿起几个萝卜扔进兔舍,小兔子们立刻争抢起来……冬冬提议道：＂还是把它们分开吧,万一争抢的时候受伤了多不好啊!＂爸爸赞同道：＂我做的这个兔舍是正方形的,你能在里面再围一个正方形栏杆把它们隔开吗？＂