检索结果-南通市图书馆

在线全文

学校读者我要写书评

暂无评论

基于双残差超密集网络的多模态医学图像融合

计算机科学 2021年第2期48卷 160-166页

作者：王丽芳王蕊芳蔺素珍秦品乐高媛张晋中北大学大数据学院山西省生物医学成像与影像大数据重点实验室太原030051

针对基于残差网络和密集网络的图像融合方法存在网络中间层的部分有用信息丢失和融合图像细节不清晰的问题,提出了基于双残差超密集网络(Dual Residual Hyper-Densely Networks,DRHDNs)的多模态医学图像融合方法。DRHDNs分为特征提取和... 详细信息

针对基于残差网络和密集网络的图像融合方法存在网络中间层的部分有用信息丢失和融合图像细节不清晰的问题,提出了基于双残差超密集网络(Dual Residual Hyper-Densely Networks,DRHDNs)的多模态医学图像融合方法。DRHDNs分为特征提取和特征融合两部分。特征提取部分通过将超密集连接与残差学习相结合,构造出双残差超密集块,用于提取特征,其中超密集连接不仅发生在同一路径的层之间,还发生在不同路径的层之间,这种连接使特征提取更充分,细节信息更丰富,并且对源图像进行了初步的特征融合。特征融合部分则进行最终的融合。通过实验将其与另外6种图像融合方法对4组脑部图像进行了融合比较,并根据4种评价指标进行了客观比较。结果显示,DRHDNs在保留细节、对比度和清晰度等方面都有很好的表现,其融合图像细节信息丰富并且清晰,便于疾病的诊断。

关键词：多模态医学图像融合双残差学习超密集连接卷积网络(CNN)

理工融合型课程“红外物理与技术”教学效果调查分析

在线全文

学校读者我要写书评

暂无评论

工业和信息化教育 2015年第11期 4-7页

作者：杨风暴牛涛王肖霞蔺素珍中北大学理学院山西太原030051 中北大学信息与通信工程学院山西太原030051

学科的交叉渗透致使一些兼具理工特点的课程不断产生,只有将理工融合落实在具体的课程教学中,才能满足各专业的不同需求,本文就教学实践的效果,对理工融合型课程"红外物理与技术"进行调查分析。采用问卷调查法,调查学生对"红外物理与技... 详细信息

学科的交叉渗透致使一些兼具理工特点的课程不断产生,只有将理工融合落实在具体的课程教学中,才能满足各专业的不同需求,本文就教学实践的效果,对理工融合型课程"红外物理与技术"进行调查分析。采用问卷调查法,调查学生对"红外物理与技术"课程教学的实践情况,以促进本课程深化教学改革,为提高课程教学效果提供依据。调查结果表明,"红外物理与技术"课程教学效果良好,得到了学生的认可。

关键词：理工融合课程教学效果调查问卷

基于语义对比生成对抗网络的高倍欠采MRI重建

在线全文

学校读者我要写书评

暂无评论

计算机科学 2021年第4期48卷 169-173页

作者：马凤飞蔺素珍刘峰王丽芳李大威中北大学大数据学院太原030051 昆士兰大学信息技术与电子工程学院布里斯班QLD 4072

利用数据的稀疏性从随机欠采样的K空间重建图像,是解决磁共振成像(Magnetic Resonance Imaging,MRI)因采集时间过长而应用受限问题的主要手段。然而,现有的方法重建高倍欠采图像时纹理细节丢失严重。针对这一问题,借鉴生成对抗网络的对... 详细信息

利用数据的稀疏性从随机欠采样的K空间重建图像,是解决磁共振成像(Magnetic Resonance Imaging,MRI)因采集时间过长而应用受限问题的主要手段。然而,现有的方法重建高倍欠采图像时纹理细节丢失严重。针对这一问题,借鉴生成对抗网络的对抗学习思想,文中提出一种基于语义对比生成对抗网络的高倍欠采MRI重建方法(Semantic-Contrast Generative Adversarial Network,SC-GAN)。该方法由连续的两部分组成。第一部分将笛卡尔高倍随机欠采样MRI图像输入基于U-NET的生成器,与鉴别器不断博弈对抗生成初步重建图像,以此构建重建子网;另一部分是语义对比子网,通过VGG-16比较初步重建图像与全采样图像的语义信息,比较结果反馈给第一部分进行参数调优,直到生成最佳的重建图像。实验结果表明,在加速因子高达7(14%)时,获得了主客观评价结果均较好的重建图像。与先进的重建方法相比,所提方法的内存损耗更低、收敛速度更快且纹理细节更丰富,可为下一代MRI机器的研发提供算法支持。

关键词： MRI重建高倍欠采图像生成对抗网络语义对比稀疏性深度学习

在线全文

学校读者我要写书评

暂无评论

协作学习中激励机制的准实验研究

福建电脑 2013年第1期29卷 43-45页

作者：孔祥艳蔺素珍雒晓霞中北大学电子与计算机科学技术学院山西太原030051

在协作学习过程中实施完善的激励机制是有效进行协作学习的一个重要因素。本研究依据动机理论、激励—保健双因素理论、期望理论提出了协作学习的激励机制,并采用准实验研究法和所罗门四组实验模式对激励机制的有效性进行了实验研究。... 详细信息

在协作学习过程中实施完善的激励机制是有效进行协作学习的一个重要因素。本研究依据动机理论、激励—保健双因素理论、期望理论提出了协作学习的激励机制,并采用准实验研究法和所罗门四组实验模式对激励机制的有效性进行了实验研究。研究结果发现:在协作学习进行过程中的激励机制有效促进了学生的学习,提高了学习效果,而协作学习前的诊断性测验对协作学习的效果影响较小。

关键词：协作学习激励机制准实验研究

在线全文

学校读者我要写书评

暂无评论

浅谈局部操作网络

山西煤炭管理干部学院学报 2000年第2期13卷 71-72页

作者：张秀山蔺素珍山西煤干院教务处讲师030006 山西金贸桥网络公司工程师030001

局部操作网络(LON)是一种适用性很强的网络。它是因其在控制系统中的广泛应用而发展起来的。本文主要描述了LON系统的组成及其操作运用情况,同时还介绍了此网络的基本器件——神经处理器的应用与发展。

关键词：控制网络神经处理器局部操作网络 LON系统

在线全文

学校读者我要写书评

暂无评论

数字土著移动学习不良学习行为研究

山西高等学校社会科学学报 2016年第1期28卷 84-87,91页

作者：李宏艳蔺素珍孔祥艳中北大学计算机与控制工程学院山西太原030051

在分析国内外关于数字土著移动学习以及学习行为研究成果的基础上,以中北大学本科生为研究对象,主要釆用文献法、问卷调查法和访谈法针对大学生移动学习的不良学习行为进行分析与总结,得出三大不良行为:移动学习目的不明确,学习动机不当... 详细信息

在分析国内外关于数字土著移动学习以及学习行为研究成果的基础上,以中北大学本科生为研究对象,主要釆用文献法、问卷调查法和访谈法针对大学生移动学习的不良学习行为进行分析与总结,得出三大不良行为:移动学习目的不明确,学习动机不当,在网络学习资源中迷失;移动学习的注意力不集中,无法进行深度思考;缺乏自主学习、自己动脑动手的学习习惯,盲目选择学习资源。文章还对数字土著移动学习中产生不良学习行为的原因进行了分析,提出要求学习者有较强的自控能力,并设计矫正策略对学生自主成分、教师引导成分及技术监控成分提供支持服务,同时加强对学生信息素养的培养,提供学习资源改善学习效果等改进建议。

关键词：数字土著移动学习学习行为

理工融合在复合型人才培养中的作用和实践研究

在线全文

学校读者我要写书评

暂无评论

中国电力教育 2014年第6期 18-20页

作者：李大威杨风暴王肖霞蔺素珍中北大学计算机与控制工程学院中北大学理学院

培养综合素质强的复合型人才是大学教育的重要目标,阐明了理工融合对提高复合型人才综合素质的推动作用,将理工融合理念融入大学教育教学,在人才培养的各个过程实践理工融合具有很强的现实意义。

关键词：理工融合复合型人才大学教育综合素质

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

基于回溯双向波前法虚拟修补点云孔洞

测试技术学报 2017年第6期31卷 512-518页

作者：张琦蔺素珍白佳璐王栋娟中北大学大数据学院山西太原030051

针对虚拟修补边界点凹凸不平且分布不均的点云孔洞效果欠佳的问题,提出了回溯双向波前法虚拟修补包含复杂边界的孔洞.以具有复杂边界孔洞的青铜器模型为例:首先,三角网格化青铜器点云数据并依据网格化结果提取出孔洞边界,通过比较边界... 详细信息

针对虚拟修补边界点凹凸不平且分布不均的点云孔洞效果欠佳的问题,提出了回溯双向波前法虚拟修补包含复杂边界的孔洞.以具有复杂边界孔洞的青铜器模型为例:首先,三角网格化青铜器点云数据并依据网格化结果提取出孔洞边界,通过比较边界点集的曲率波动幅度以去除伪孔洞边界;其次,以孔洞边界点集的回溯结果为初始点集,并结合向量叉积对初始点集进行凹凸性分类,再对凹、凸点分别采用正、反向波前法逐圈新增点集直至补全;最后,利用最小二乘法拟合曲面平滑新增点集,获得最终修补结果.实验结果表明该方法与划分子洞波前法、曲线流收缩法相比,结构相似性的平均值分别提高了81.14%和93.8%,且曲率差异性更低,修补网格的顶点密度与原始网格更相近且过渡自然,能有效修补复杂边界孔洞.

关键词：虚拟修补点云孔洞回溯双向波前法三角网格

基于卷积神经网络的多波段融合图像彩色化方法

在线全文

学校读者我要写书评

暂无评论

测试技术学报 2018年第3期32卷 201-206页

作者：韩泽蔺素珍黄福升赵竞超刘震中北大学大数据学院山西太原030051

为解决多波段融合图像多在灰度空间不利于人眼观察的问题,提出了基于深度卷积神经网络(Deep Convolution Neural Network,DCNN)的多波段融合图像彩色化方法.首先将利用颜色迁移和伪彩色融合制作的部分彩色融合结果添加到网络训练库中;... 详细信息

为解决多波段融合图像多在灰度空间不利于人眼观察的问题,提出了基于深度卷积神经网络(Deep Convolution Neural Network,DCNN)的多波段融合图像彩色化方法.首先将利用颜色迁移和伪彩色融合制作的部分彩色融合结果添加到网络训练库中;其次将训练图像转换到YUV颜色空间;再其次构建卷积神经网络,在其输入端输入Y通道图像,以UV通道图像为目标训练网络,使其能根据输入自动生成UV通道;最后将灰度融合结果作为Y通道输入到训练好的网络,将输出的UV通道与输入再转换到RGB空间,即可得到彩色化的融合结果.实验结果表明DCNN能对灰度融合结果自动彩色化,方法简单易用,彩色更便于人眼观察.

关键词：图像融合深度学习彩色化卷积神经网络多波段探测