卷积神经网络（CNN）在新冠肺炎X射线图像分类中取得诸多成果，但卷积结构只能学习到特征图相邻空间位置的上下文信息。为了更好地结合胸部X射线图像全局信息，除了提高CNN的深度，所提网络通过设计主干网络ConvNeXt、聚合注意力模块、长短期记忆网络，更加关注全局与局部信息的交互性。对公开访问的COVID-19 Radiography Database数据集图像分类，所提网络在三分类实验中相较于基础模型ConvNeXt在准确率、精确率、召回率上分别提高1.60个百分点、1.23个百分点、1.76个百分点，且其在多项实验指标上优于Vision Transformer、Swin-Transformer，准确率、精确率、召回率、特异度分别提高到95.6%、96.03%、95.76%、97.53%。另外选用Chest X-ray数据集进一步验证所提网络泛化能力，采用Score-CAM算法验证其有效性。实验结果表明，所提网络对新冠肺炎X射线图像具有较好的分类效果。

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。

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。

在COB LED显示屏黑场时可能会出现肉眼可见的COB LED模组间的墨色差异性。为了保证同一面COB LED显示屏的墨色一致性, 本文对COB LED显示模组的墨色采集、分类、排序算法进行了研究。首先介绍了基于机器视觉COB LED显示模组的墨色采集方法, 然后针对视觉观看COB LED显示屏墨色最优效果进行墨色采集装置的研制, 接着采用基于机器视觉的墨色分类、排序算法, 完成了COB LED显示模组墨色采集和自动排序软件平台。最后通过工程案例实验, 验证了基于机器视觉的COB LED显示模组墨色采集、分类、排序方案的可实施性, 满足了人眼视觉在观察一面COB LED显示屏时的墨色一致性感受。

柔性电子设备的快速发展对薄膜晶体管(TFT)提出了低功耗、耐弯折和可低温制备的要求。其中，栅极绝缘层是核心材料之一。溶液法制备有机栅极绝缘层具有低成本、柔韧性强的优点，适合大面积加工。本文采用喷墨打印法实现了聚乙烯吡咯烷酮(PVP)墨水的印刷成膜，采用XPS分析了不同退火温度处理的印刷PVP薄膜成分差异，并测试了PVP器件的漏电流、电容和转移特性参数。200 ℃退火的PVP薄膜漏电流密度≤10-4A/cm2 (5 V)，相对介电常数约为3.8，玻璃衬底器件饱和迁移率达到4.6 cm2/(V?s)，开关比≥105；PI柔性衬底器件在20 mm弯折半径下迁移率2.8 cm2/(V?s)，开关比约6×104，在柔性电子领域有一定的应用前景。

为了实现超高清、超高分辨率、大尺寸LED显示器的推广应用, 本文分析了小间距LED显示的技术路线和在显示效果等方面存在的问题, 详细阐述了集成封装、显示驱动控制、均一性调控和补偿等技术应用于超高清、超高分辨率、大尺寸LED显示器, 提高显示效果所做的一些工作和研究进展, 探讨了基于倒装发光芯片的微小间距LED显示技术的未来发展趋势。

在LED显示控制系统更新FPGA程序和显示参数过程中, 可能会遇到掉电或误擦除等突发情况, 导致程序出错后无法正常工作。为了提高系统的可靠性, 本文对FPGA程序备份、系统功能自我恢 复进行了研究。首先介绍了Xilinx Spartan-6 FPGA多重配置原理, 然后针对FPGA程序和显示参数设置功能的需求, 通过硬件设计研究了采用Flash多区域程序、显示参数备份存储方法。接着, 通过 FPGA多重配置模块的详细程序设计, 实现了程序备份自动调用、自动判断和热重启的功能。最后, 介绍了FPGA主备程序固化文件生成方式。通过模拟FPGA程序更新错误实验, 验证了系统调用ICAP设 置寄存器并触发IPROG命令和FPGA热启动并调用备份程序重新配置, 实现了FPGA多重配置在LED显示控制系统上的实际应用, 满足了系统更新和显示参数设置过程的稳定性、可靠性要求。

基于内容的医学图像检索方法是近年来计算机视觉领域的研究热点,已经广泛应用于计算机辅助诊断的研究中。概述了基于内容的医学图像检索方法的研究进展及意义,介绍了当前主流的医学图像检索算法及其优缺点,旨在引导研究人员快速了解本领域的研究内容。医学图像检索的研究主要分为特征提取和相似性度量两部分。从传统特征提取及近年来兴起的基于深度学习的特征提取入手来介绍医学图像的特征提取方式;而相似性度量部分则详细列举了马氏距离度量、词汇树以及哈希算法。最后概述了医学图像检索领域的相关反馈技术及当前常用的图像检索系统,并讨论了医学图像检索未来可能的研究方向及相关难点。