深度学习作为机器学习领域的重要研究方向, 其强大的特征学习能力以及优秀的可移植性使得深度学习技术渗入到科学研究的各个领域, 尤其是深度学习中前沿领域的成果对医学图像的识别、分类、分割、量化等方面起到了积极作用。光学相干断层扫描成像( OCT)技术具有非侵入、分辨率高的特点, 能够无创获取生物组织内部微米级的高分辨率三维切面图像, 在生物医学的眼科、血管、皮肤科等方面有着广泛应用。本文首先介绍了 OCT及深度学习的基本原理以及二者相结合在皮肤领域的应用优势, 然后详细阐述了深度学习在皮肤 OCT医学图像领域的应用, 主要包括在皮肤癌的分析分类、美容领域、指尖图像的分割以及在损伤皮肤的定性定量评估中的应用。

随着人类活动不断增加, 难降解有机物已成为污染地下水主要物质之一。 贫营养、 厌氧的地下水环境将加剧难降解有机物的长期风险。 2,4-二硝基甲苯（2,4-DNT）作为难降解的硝基苯类物质, 对其污染地下水修复治理一直是环境领域的难点和热点问题。 目前, 零价铁活化过硫酸盐高级氧化技术被用于修复地下水中2,4-DNT, 具有较高的效率。 为了更好地识别降解过程, 一般采用质谱识别氧化降解的中间产物和降解产物以及生成的顺序, 但无法有效的识别氧化降解过程中有机物官能团的变化顺序。 因此, 采用三维荧光技术、 傅里叶红外光谱技术以及二维相关分析技术耦合识别过硫酸盐氧化体系中2,4-DNT的光谱变化及官能团转化顺序。 结果表明, 未出现荧光峰的2,4-DNT降解生成的具有荧光基团的新产物, 反应初期荧光产物的生成主要是因苯环上硝基的变化, 而苯环未受到破坏。 通过对5个区域体积积分可知, 随着反应进行苯环破裂, 生成不饱和脂肪酸, 类富里酸结构的产物不断被降解, 而类腐殖质结构的产物后期逐渐被降解, 导致区域Ⅱ和区域Ⅳ中积分的荧光强度占比不断增加, 后期产物中的2,4-二氨基甲苯（2,4-DAT）含量不断增加, 导致体系中的荧光不断增强, 其来源于过量的Fe0还原2,4-DNT反应; 红外吸收峰主要有3 334, 2 844, 2 954, 2 357, 2 126, 1 643, 1 410, 1 110和700 cm-1, 表明产物中主要官能团有氨基、 亚甲基、 羧基、 酚羟基及烯烃类等, 但不同反应阶段的红外吸收峰差异性较小, 表明氧化体系中苯环上甲基被氧化为羧基或酚羟基, 硝基被还原转化为氨基, 苯环破坏生成不饱和脂肪酸和烯烃类结构物质。 通过对时间变化过程中水相的FTIR数据进行二维相关分析, 发现同步谱图中出现了4个自相关峰, 其位置为λ1/λ2=3 334/3 334, 1 643/1 643, 1 015/1 015和700/700, 同时在λ1/λ2=1 643/3 334, 1 015/3 334, 700/3 334, 1 015/1 634, 700/1 634和700/1 015处出现6个正相关交叉峰, 且峰值均为正值, 谱带强度变化方向一致, 表明以上4种官能团均随时间变化而生成, 转化/降解存在同步性; 异步谱出现同步谱中相同位置的5个负相关交叉峰和1个正相关峰。 结合同步异步谱交叉相关峰正负关系, 可知光谱变化特征次序为: 3334＞1 634＞1 015＞700, 故发现随着时间延长, 2,4-DNT降解体系中基团出现的先后顺序: 氨基＞羧基＞烯烃类＞酚羟基。 综上表明降解过程中苯环上的硝基先转化为—NH2, 其次苯环上的甲基被氧化为—COOH, 酚羟基和烯烃类应该是苯环结构破坏后的碳链转化。 相关研究可为过硫酸盐高级氧化降解官能团变化及路径识别提供一定的依据。

为探究光斑图像在飞秒激光加工过程中的实际意义, 采集等离子体光斑图像并对图像的深度进行提取及分析。本文提出了一种基于图像序列的焦点深度提取(Depth Extraction from Focus Sequence)的方法, 可以有效地解决图像的特征点提取与匹配的问题, 得到更加精确的深度信息。首先, 采用主成分分析(PCA)方法和高通滤波结合的方法对输入的序列图像进行预处理。其次, 各向异性热扩散算法来增强空间频率特征, 增加光斑图像与背景区域的灰度反差值, 得到完整的光斑图像, 并对获得的图像进行像素提取, 选择其中级别最好的像素。然后用矩形中值滤波器过滤光斑的像素图像, 得到更加平滑, 噪声更少的图像。最后, 提取图像的深度信息, 并与传统方法得到的结果进行对比分析, 证实此方法优于传统的图片深度的提取方法, 提高了光斑三维形貌精度, 光斑能级层数得到了细化, 能级层数比传统方法增加了125%。