在C-3D卷积神经网络模型基础上,提出了一种三维可变形卷积神经网络以实现肺结节的检测。在模型的主体结构上,采用了三维可变形卷积和三维可变形池化的操作,解决了传统的方块卷积与池化在应对不规则的肺结节时,无法高效率地收集到肺结节像素点的问题。在模型的输入上,通过调整三维卷积神经网络的输入,实现了卷积神经网络对样本图片的32×32×32像素逐步扫描和识别,在扫描识别的同时进行定位,解决了肺结节定位问题。在模型的输出上,借鉴了全卷积神经网络的思想,将C-3D网络的第一层全连接层改为卷积层,解决训练时内存会溢出的问题。在模型参数上,提出了三种不同学习率和三种优化函数进行精确的实验对比,绘制了不同学习率和优化函数的参数对比图,根据实验结果找到最优的卷积神经网络模型学习率和优化函数参数。对实验结果的分析表明,该方法在受试者工作曲线下面积、分类准确率、召回率、F1值均取得了显著的提高。

提出一种基于激光间接冲击技术高效、高精度地制造微零件的新方法,采用激光冲击聚合物间接加载机制，结合不同形状的微模具，使用NdYAG-GAIA R 激光器在厚度为35 μm的钛板上实现了在单脉冲激光冲击作用下制造精密金属微零件。使用KEYENCE VHX-1000C超景深三维显微系统对成形的微零件进行观测，发现在合适的激光能量范围内，成形的微零件表面轮廓质量较好，且微零件的成形深度与微模具的凹坑深度基本一致。使用有限元分析方法对微零件的成形过程以及成形零件厚度的减薄率进行了数值模拟分析。从实验和模拟的结果可以看出，该成形方法可以在激光单次冲击作用下成形质量良好的微零件。