针对人为无法及时从医学图像发现病理特征，最终导致病情恶化的问题，提出一种二次特征提取方法（ω-net），用来对肺、肝脏、细胞及脑质瘤进行分割。首先，将全尺寸的Unet网络作为一次特征提取路径，再将上采样路径的第三层作为起始层，用来扩展二次特征提取路径，以加强特征提取能力。其次，为了建立长期的通道依赖关系以及增强特征的位置信息，在不同的阶段引入两种新型注意力机制进行针对性优化。最后，复现了10种经典网络，在医学图像领域与基准网络Unet对比，所提网络的常用指标平均交并比、敏感性、精确度和准确率最高分别提升了0.0787、0.1287、0.1216、0.0201。经过在4种数据集上的指标数值和可视化结果比较，ω-net的多项性能指标均优于其他网络，证明了该网络的有效性与优越性。

甲状腺癌的发病率近些年来不断上升，早期确诊甲状腺结节可以有效降低甲状腺癌死亡率。超声检查通常为甲状腺医学成像的首选方案，根据近些年国内外发表的相关文献，系统地概述了卷积神经网络（CNN）针对超声图像的甲状腺结节诊断算法，主要内容包括CNN在甲状腺结节的病灶区域提取、良恶性分类以及钙化点识别三个方面的应用。各算法的基本设计思想、网络架构形式、相关改进目的及方法都得到详细阐述，旨在为研究人员提供更清晰的参考思路。最后，总结性分析了基于CNN的甲状腺结节诊断的各类算法并探讨了其未来可能的研究热点及相关难点。

随着精密机械制造、高性能半导体器件加工等领域对位移检测要求的不断提高, 对于高性能微型位移传感器件的需求日益迫切。基于微纳光栅光学自成像效应, 提出了一种双光栅结构的光学位移检测方法。研究了~6.5μm周期微纳光栅的光强空间分布, 分析了双光栅结构光强透过特性, 并在实验中实现了1mm位移范围内的正弦信号输出。通过对输出信号进行100倍电学细分, 最终实现灵敏度为64.5nm的位移检测。所提方法具有光路简单、结构紧凑、稳定性高的特点, 可用于集成化高性能微位移传感器件与系统等应用。

基于卷积神经网络的脑肿瘤图像分割是近年来图像处理领域的研究热点。基于此现状,首先阐述了脑肿瘤图像分割的意义、研究现状以及将卷积神经网络应用于脑肿瘤图像分割的具体优势。然后,对二维卷积神经网络、三维卷积神经网络以及卷积神经网络的经典改进模型应用于脑肿瘤图像分割的研究进展进行了详细综述,总结了在多模态脑肿瘤分割挑战赛的数据集中进行训练的分割结果。最后,讨论了卷积神经网络在脑肿瘤核磁共振图像分割中的未来发展方向。

肺癌是世界上死亡率最高的恶性肿瘤疾病,对其进行早期诊断可以显著提高肺癌患者的生存率。深度学习能够提取医学图像的隐含层特征,并完成医学图像的分类及分割任务,因此应用深度学习方法实现肺结节的早期诊断任务成为研究热点。首先对肺结节诊断领域广泛使用的几个数据库进行介绍,然后结合近几年国内外发表的相关文献整理了深度学习框架应用于肺结节分割和分类的最新研究进展,总结并分析了各类算法的基本思想、网络架构形式、代表性改进方案以及优缺点等。最后讨论了深度学习在肺结节诊断过程中面临的一些问题并给出结论,并对发展前景进行了展望,以期为今后该领域的应用研究提供参考,从而加快该领域研究的成熟和临床落地应用。

利用自行搭建的LIBS装置对原铝中硅铁含量进行了分析测试, 测试前对原铝试样进行了微观形貌分析, 研究发现原铝中硅元素除有个别区域聚团现象外, 其分布相对较为均匀; 铁元素多以团状汇聚形态出现, 且无明显的分布规律。 实验分别考察了激光脉冲能量对激光诱导原铝等离子体光谱的影响, 发现随着激光脉冲能量的增大, 硅、 铁元素信噪比先增加后减小, 硅、 铁谱线信噪比最大值均出现在160 mJ处, 实验选取的激光脉冲能量为160 mJ。 在上述较为合理的实验条件下, 以内标法为基础, 分别采用两种标样(纯铝标样与自选标样)建立了定标模型; 结果表明: 相比于纯铝标准试样, 采用自选试样建立的定标模型不够理想, 且数据的离散程度较大, 铁元素直线拟合优度仅为0.921 3, 相对标准偏差也较大。 采用纯铝标样时, 在试样不旋转的情况下, 硅、 铁元素定标曲线拟合优度分别为0.961 1与0.974 1, 相对标准偏差分别为8.85%与9.43%, 且误差棒显示误差随定标试样的硅、 铁含量升高而增大。 当试样台保持转速50 r·min-1条件下进行实验, 发现硅、 铁元素定标曲线的拟合优度分别为0.978 5与0.988, 相对标准偏差分别为3.78%与3.4%, 相比于试样平台固定情况下的定标结果, 拟合优度明显改善, 相对标准偏差也有所降低, 定标模型明显优于自选试样建立的模型。 使用两种定标模型对25个测试样进行了分析测试, 比较了两种测试结果的相对误差, 纯铝定标试样由于含量梯度较大, 跨度较宽, 采用该标样建立的定标模型对低铁原铝试样测试适应性相对较差, 而自选试样建立的定标模型虽然不够理想, 但针对低铁原铝试样的测试适应性相对较好。 对激光诱导原铝产生的等离子体进行了诊断, 通过镁元素几条离子谱线的玻耳兹曼图, 计算出了等离子体温度约为9 163.63 K, 利用镁元素一条谱线的Stark展宽估算出等离子体电子密度为1.69ⅹ1017 cm-3, 验证了激光诱导原铝等离子体处于局部热力学平衡状态的假设是成立的。

为推广LIBS技术在电解铝行业中的应用, 充分发挥其快速、 免制样、 多元素同时检测的优势。 利用激光诱导击穿光谱技术首次对铝电解生产得到的普铝中Fe和Si元素进行测试研究, 探索了合理的实验参数条件, 在合理的实验条件基础上建立定标曲线并对普铝中Fe和Si元素进行定量分析, 结合国标GB/T 7999—2015《铝及铝合金光电直读发射光谱分析方法》考察LIBS测试结果的准确性。 以Nd∶YAG脉冲激光器基频1 064 nm激光作为光源激发等离子体, 采用多通道光栅光谱仪和ICCD检测器检测、 记录光谱信息。 首先探测了LIBS光谱谱线, 并对谱线进行了归属; 综合分析, 选取AlⅠ 266.04 nm, SiⅠ 288.15 nm与FeⅠ 259.92 nm作为分析谱线用于定量分析研究。 分别研究了触发延迟时间、 1Q延迟时间、 激光器设定电压对光谱信号强度及信噪比SNR的影响。 实验结果表明, 触发延迟时间4 μs、 1Q延迟时间170～190 μs、 激光器设定电压560 V对于Si与Fe元素定量测试分析而言是较为合理的实验参数。 根据谱线强度与元素浓度的关系, 采用内标法建立了定标曲线, Si与Fe元素定标曲线中相关系数分别为0.919 72与0.952 11, 其相对标准偏差（RSD）分别为7.25%与6.34%, 说明谱线强度与元素浓度具有良好的线性关系, 并基于此模型对12个样品进行了定量测试分析。 将测试结果与光电直读发射光谱测得的结果进行比对, 结果表明, Fe含量的相对误差绝对值在0~17.3%之间, Si含量相对误差绝对值在0~14.3%之间。 依照国标GB/T 7999—2015《铝及铝合金光电直读发射光谱分析方法》中规定的实验室之间分析结果相对误差≤17%的规定, 12个测试样品中, 试样Si含量测试100%符合允许差要求, 试样Fe含量测试91.7%符合允许差要求。 该实验结果表明, LIBS技术在电解铝普铝Fe和Si元素检测中具有一定的推广利用价值。Spectroscopy Technique

基于液晶调谐滤光片(LCTF)的光谱相机由于体积小、 功耗低、 集成方便, 适合多种搭载平台, 同时通过光谱反射率来识别目标物, 可以有效解决同色异谱的问题, 在伪装识别、 精细农产品产值估计等方面有很好的应用前景。 比较测量法因其能有效排除光照条件和场景背景条件的影响, 重建效率较高, 在光谱相机的光谱反射率重建中被普遍采用。 比较测量法通常采用标准白板作为参考物, 但实际应用中, 经常会遇到目标场景空间位置不便放置标准白板的情况。 针对这种情况, 研究采用LCTF光谱相机采集的目标场景中亮度高的颜色作为参考的比较测量法进行目标物的光谱反射率重建来解决上述问题。 实验以美国X-Rite的Gretg Macbeth Color Checker(MCC)色卡作为目标物, 分别参考亮度高的五个不同色块, 运用比较测量法完成红、 绿、 蓝三个色块的光谱反射率重建。 将重建后三个色块的光谱反射率与采用台式分光光度计(X-Rite Color Eye7000A)测量的标准光谱反射比进行比较。 结果显示, 重建后的红、 绿、 蓝三个色块的光谱反射率曲线与用分光光度计测量的标准光谱反射率曲线的形状基本相似, 每组曲线的均方根误差均小于0.05; 重建的蓝色色块的光谱反射率以参考与其光谱反射比接近的蓝绿色重建的效果最好; 重建的红色和绿色色块的光谱反射率以除白色外亮度最高的黄色为参考重建的效果最好; 二者均比参考标准白板的反射率重建效果好。 实验结果说明采用目标场景中亮度高目视效果明显的色块作为参考对象可被用来进行LCTF光谱相机的光谱反射率重建。 该方法有效扩大了比较测量法以及液晶调谐光谱成像系统的应用效率。