Accurate placement of pedicle screw (PS) is crucial in spinal surgery. Developing new real-time intra-operative monitoring and navigation methods is an important direction of clinical application research. In this paper, we studied the spectrum along the fixation trajectory of PS in frequency domain to tackle the accuracy problem. Fresh porcine vertebrae, bovine vertebrae and ovine vertebrae were measured with the near-infrared spectrum (NIR) device to obtain the reflected spectrum from the vertebrae. Along the fixation trajectory of PS, average energy from different groups was calculated and used for identifying different tissues and compared to achieve the optimal recognition factor. Compared with the time domain approach, the frequency domain method could divide the spectra measured at different tissue points into different groups more stably and accurately, which could serve as a new method to assist the PS insertion. The results gained from this study are significant to the development of hi-tech medical instruments with independent intellectual property rights.

交通标志识别在驾驶辅助系统和交通安全方面发挥着重要作用。卷积神经网络在计算机视觉任务上取得了重大的突破,并在交通标志检测与识别方面取得了巨大的成功。然而,现有的识别方法通常达不到实时识别的效果。因此,提出一种改进卷积神经网络交通标志识别方法,通过加入初始模块,扩展网络结构和提出新的损失函数等多种方法来解决原始模型不擅于检测小目标的问题。在德国交通标志数据集上的仿真结果表明,与现有技术相比,提出的方法能够获得更高的检测速率,每张图片的处理时间仅为0.015 s。

提出了一种基于改进卷积神经网络的交通标志检测方法。预训练模型产生否定;使用难分类负样本采集将负样本输入到网络中,提高模型的判别能力;使用多尺度训练过程中的特征级联策略来进一步提升模型的性能。利用TensorFlow框架在德国交通标志检测数据集上对所提方法的有效性进行了仿真。研究结果表明,与现有技术相比,所提方法能够获得更快的检测速率,处理每幅图像仅需0.016 s。

为解决超声乳腺肿瘤分级检测问题, 从超声射频(RF)信号的角度提出了一种有效的乳腺肿瘤分级检测方法。首先, 采用Shearlet变换提取乳腺超声RF信号的多尺度、多方向特征; 其次, 考虑Shearlet特征的高维冗余性, 采用多尺度方向二值模式(MDBP)对其进行编码, 在不损失特征信息的条件下降低特征维度; 最后, 依据医生阅片经验以及不同分级乳腺肿瘤的特征差异性, 设计出适合乳腺病变分级检测的层级二叉树SVM分类器(CBT-SVM)。在928个乳腺肿瘤患者的超声RF信号上进行验证, 大量结果表明, 提出方法可以有效实现3级、4A级～4C级、5级乳腺肿瘤的分级检测, 准确度、敏感度、特异度、PPV、NPV以及MCC分别达到89.29%、75.62%、94.54%、97%、98.3%和81.01%。

非约束环境下采集的人脸图像复杂多变,稀疏保持投影降维效果不理想。鉴于此,提出一种基于全局约束的监督稀疏保持投影(SSPP-GC)算法。通过引入监督超完备字典和类内紧凑度约束,增强同类非近邻样本的重构关系;并且,在低维投影时增加全局约束因子,使得投影矩阵既考虑了样本的局部稀疏关系,也考虑了全局分布特性,进一步消除异类伪近邻样本的低维映射影响。在AR库、Extended Yale B库、LFW库和PubFig库上进行实验仿真,大量实验结果验证了本文算法的有效性。

针对红外相机与可见光相机联合标定的问题, 利用不同物体红外辐出度的差异, 设计了可同时应用于红外相机与可见光相机标定的平面靶标。利用“最大稳定极值区域”(MSER)算法, 检测靶标的镂空深色区域。为克服图像可能存在较大畸变的问题, 通过相邻最大稳定极值区域质心的位置关系预估角点所在位置, 在预估位置内进行角点检测, 提取用于标定的亚像素角点位置。结果表明: 新型靶标及相应的角点提取方法能够同时满足于红外相机与可见光相机内外参数标定的需要。通过红外与可见光“双双目”立体视觉系统的融合重构效果可看出, 提供的标定数据能够满足系统需求。

采用高光谱技术对复杂混合溶液进行检测分析， 同时利用被测物质的吸光度和散射特性信息以提高光谱的信噪比。 实验设计了高光谱采集装置， 采集生物组织模拟液(Intralipid-10%)的漫反射高光谱图像， 并用Monte Carlo方法和漫射近似理论对其进行了正向和反向推导， 获得了632 nm波长下， Intralipid-10%吸收系数为0.002 0 cm-1， 与标准参数相对误差为11.1%； 约化散射系数为63.35 cm-1， 与标准参数相对误差为6.49%， 基本符合标准参数的误差范围， 验证了该高光谱检测系统的准确性。 还利用该高光谱系统对不同厂家出品的牛奶、 果汁等样本进行了高光谱采集， 得到不同样本间差异较传统二维光谱更为明显的结果， 充分证明了高光谱方法在复杂混合溶液成分分析中具有很强的可行性。

为了进行复杂混合溶液的成分检测, 该文提出了一种基于多维漫反射光谱技术的浓度检测方式, 通过信号中携带的不同成分的多种光学性质来进行分析。 实验设计了基于超连续谱激光光源、 精密电控平移台和光谱仪的检测装置, 选用Intralipid-20%溶液作为研究对象, 用蒸馏水配制体积百分数1%～20%的溶液, 分别测量距其入射点1.5～13 mm(间隔0.5 mm)范围内的24点漫反射光谱信号, 以偏最小二乘回归算法对单点和多点漫反射光谱信号进行建模与预测。 得到建模精度最高的为距离入射位置最近的1点～13点对应的光谱信号所建立的模型, 预测精度最高的为距离入射位置最近的1点～7点对应的光谱信号所建立的模型。 结果表明, 增加不同位置信息的光谱信号, 能够提高光谱的信噪比, 与传统光谱技术仅利用吸光度或反射率等单一光学性质的方法相比, 增加了被测物质散射特性的影响, 利用被测物质多种光学性质的变化提高了建模及预测的精度, 为基于多维光谱的复杂混合溶液检测提供了基础。

为了克服传统光谱检测复杂混合溶液的分析方法中光谱重叠严重、 信噪比低的缺点， 本工作提出将高光谱法引入复杂混合溶液的检测。 因为高光谱法可以利用多模式光子所携带的被测物质多种光学性质的信息进行溶液成分含量分析， 与传统光谱检测方法仅利用被测物质单一吸收特性的变化相比， 高光谱法同时还可利用空间信息增加光谱信号的信噪比， 提高建模精度和可靠性。 为了验证高光谱检测复杂混合溶液的可行性， 本工作利用Monte Carlo模拟了脂肪乳Intralipid-墨水Ink模型在650～1 100 nm范围内漫反射光强的分布情况， 得到了复杂混合溶液的漫反射光强分布随波长变化有明显区别的现象， 证明了高光谱法能够同时利用被测物质多种光学特性（如吸收、 散射、 各向异性因子）随波长变化的关系提高光谱信号的信噪比， 有望显著增强对复杂混合溶液成分的分析能力。

为了提高动态光谱(dynamic spectrum, DS)数据处理方法的效率与精度, 采用单拍提取技术, 即对所采集全部波长对应的光电容积脉搏波(photoelectric plethysmography, PPG)叠加平均所得到的全波段PPG, 以单个脉搏为周期, 提取其上升沿作为模板； 用该模板校正各个波长PPG的上升沿, 再以此计算吸光度的差分值, 进而得到单拍DS； 然后根据3σ准则, 剔除其中含有粗大误差的单拍DS, 对剩余单拍DS进行叠加平均, 作为最终输出的DS。 测量10名志愿者的数据, 与频域提取法的处理结果进行对比: 同一个体同一手指DS相关系数离差平方和由0.006 775改善到0.000 384 0； 同一个体不同手指DS相关系数离差平方和由0.013 93改善到0.002 205, 而不同个体DS之间的差异性有明显增加。 结果表明, 单拍提取技术可以更快地得到高质量的DS数据, 加速了DS进入实际应用的进程。