深度学习重建算法在上腹部CT成像中的应用

目的:通过分析比较自适应统计迭代重建（ASIR）算法和深度学习重建（DLIR）算法在上腹部CT成像中的图像质量,探讨DLIR算法在上腹部CT成像中的应用价值。方法:回顾性纳入75例患者上腹部CT平扫图像,利用自适应统计迭代重建算法ASIR（30％、50％、70％、90％）和深度学习重建算法（DL-L、DL-M、DL-H）重建图像,共7组。测量每组图像肝脏、胰腺、竖脊肌的CT值和SD值,并计算信噪比（SNR）和对比噪声比（CNR）,采用单因素方差分析对各指标进行客观评价;同时由两位放射医师对图像质量和噪声评分,采用Friedman M检验进行比较。结果:①七组重建图像的SD值、SNR、肝脏CNR差异有统计学意义。②DL-L与ASIR 50％、DL-M与ASIR 70％、DL-H与ASIR 90％ 间各ROI处CT值、SD值、SNR值、CNR值无差异。③三种深度学习重建算法间随等级升高,SNR值升高,差异有统计学意义;且DL-H 算法的SNR值高于ASIR 30％、ASIR 50％,SD值低于除ASIR 90％ 外的其余5组重建算法。④七组图像主观评分差异有统计学意义,算法DL-H具有最佳的图像质量和最低的噪声,DL-M、ASIR 90％、DL-L、ASIR 70％、ASIR 50％、ASIR 30％ 图像噪声依次增加。结论:深度学习重建算法能够降低上腹部图像噪声,提高图像质量,且随等级升高,图像噪声降低、质量提高、信噪比升高。      

湍流通量参数化方案的非迭代方法研究

基于Högström (1996) 和Beljaars et al.(1991) 的研究工作, 沿用Louis et al.(1982) 和Launiainen (1995) 的思路, 本文采用多元回归分析方法, 研发了一种采用非迭代方法的湍流通量参数化方案。该方案直接用整体理查森数、 空气动力学粗糙度长度和热力学粗糙度长度对稳定度参数进行参数化, 从而避免了通过循环迭代计算Monin－Obukhov长度。该方案不仅有效地节省了CPU计算时间, 而且其计算结果与迭代方案 (BHH方案) 的计算结果非常接近。     

多时次EOF迭代方法在川渝伏旱预测中的应用

应用北太平洋海温资料,分析了川渝地区盛夏雨量与海温的联系,在关键海区海温与川渝伏旱气候非同步联系的基础上,建立了多时次海温EOF迭代方法,进行了川渝地区盛夏伏旱的短期气候预测.实际应用表明:以前期多时次海温为预报因子,通过历史独立预报试验建立的多时次EOF迭代伏旱预测模型,预见期长,准确率高,并可实现滚动预测,具有明显的预报技巧和应用价值.     

微波层析技术中非线性优化算法与线性迭代算法的比较

以机载平台为例,通过数值模拟试验比较了非线性优化算法(NLI)和线性迭代算法(LI)在微波层析云液态水空间分布时的反演效率。在NLI中采用有限内存的BFGS算法对非线性目标函数直接优化求解;在LI中采用修正初值的起作用集算法对线性方程组进行求解。首先通过模拟试验证明积分云液态含水量(TLWC)是衡量对空微波遥感方程的非...     

21层大气环流模式IAP AGCM-III的设计及气候数值模拟I.动力框架

设计了IAP (InstituteofAtmosphericPhysics,ChineseAcademyofSciences)AGCM III,对其动力框架作说明和检验 ,时间积分采用改进的非线性迭代法。用Rossby Haurwitz波对框架进行了波型检验、能量检验和波速检验。结果表明 ,非线性迭代 3次的时间积分方案具有较好的稳定性 ,能够有效地抑制短波 ,同时对长波的歪曲较小 ,且时间积分步长可放得较大 ;该框架能够较长时间地保持Rossby Haurwitz 4波波型 ,在积分过程中能够较高精度地保持总有效能量守恒 ;模式计算的Rossby Haurwitz波速为每天西传 1 5个经度 ,这与理伦值很接近。     

基于剖面和迭代选权曲面拟合的LIDAR点云滤波算法研究

LIDAR数据是目前最为理想的生产DEM/DSM的数据源,利用机载激光雷达获取DEM/DSM数据是机载激光雷达最为直接的应用。提出了一种剖面的数据表达方式对离散的LIDAR点云数据进行组织,同时对点云数据做初步的分类,在此基础上用迭代选权曲面拟合的滤波算法对地面点和非地面点做进一步的分类,以提高LIDAR点云数据的滤波效果的方法。     

基于二维图像特征的点云配准方法

为了提高低覆盖率点云的配准精度和收敛速度,提出了一种基于二维图像特征的点云配准方法。首先采用基于区域层次的点云配准算法实现粗配准;然后将三维点云转换成二维图像,再采用SURF算法提取二维图像的特征,并求解其匹配像素点对;最后根据二维匹配点获取相应的三维点云相关点,并计算刚体变换,由此实现点云的快速精确配准。试验结果表明,与迭代最近点（ICP）算法相比,该点云配准方法的配准精度和耗时分别提高了约20%和60%,是一种快速、高精度的点云配准算法。     

基于支撑向量回归的高光谱混合像元非线性分解

提出了基于支撑向量回归的高光谱混合像元自动分解.首先利用投影迭代的方法自动寻找到影像的典型地物光谱,然后利用Hapke近似函数模拟出非线性的训练和测试数据.支撑向量回归的混合像元分解方法与基于基函数分解方法的不同点是不需要预先确定非线性的映射形式,它通过核函数,把像元矢量从低维空间映射到高维特征空间,使得在特征空间中构造的线性光谱组合对应着原始空间（像元空间）的非线性组合特性,从而揭示了典型地物光谱之间的高阶性质,提高了混合像元的分解精度.实验结果证明,这种方法具有很高的混合像元的分解精度.利用模拟数据作分解精度的评价,表明97%以上的像元分解绝对误差不大于10%,而各类总体平均平方根误差均小于3.5%.     

多重网格法在MM5自适应模式中的应用

将多重网格法应用于MM5中来加速自适应网格的生成,并用这种方法来模拟2002年6月17-18日发生在江南和华南的暴雨过程。试验表明：在收敛精度要求高的情况下自适应模式模拟结果的精度高于均匀网格模式,且多重网格法有助于提高运算效率。     

Lippmann-Schwinger积分方程广义超松弛迭代解法及其收敛特性

为克服Born级数只适用于弱散射和短程传播的弱点,从光学散射理论中引入了针对强光学散射问题的Lippmann-Schwinger方程广义超松弛迭代解法,并对这种方法在反射地震条件下的算法表现、收敛特点、计算效率以及计算精度等问题进行了分析和讨论.理论分析和数值计算结果均表明:(1)与散射级数重整化相比,超松弛法具有更坚实的数学基础;(2)超松弛法可以有效地克服Born级数的弱点,得到与有限差分相当的数值模拟结果;(3)在反射地震条件下LS方程超松弛法表现优异,完全可以解决反射地震数值模拟中的强散射问题.