首页期刊导航|光电子·激光
期刊信息/Journal information
光电子·激光
光电子·激光

巴恩旭

月刊

1005-0086

baenxu@public.tpt.tj.cn; baenxu@263.net

022-23679707

300191

天津市南开区红旗南路263号

光电子·激光/Journal Journal of Optoelectronics·LaserCSCD北大核心CSTPCDEI
查看更多>>本刊为专业技术性刊物。报道光电子、激光技术领域的研究成果,内容包括新型光电子器件、装置和材料、光电控制和检测、光存贮和光电信息处理、通讯和光纤应用技术光电集成技术、光计算和光学神经网络、激光加工和激光应用、光电生物医学等方面。
正式出版
收录年代

    纳秒脉冲激光清洗石化设备对清洗表面的影响

    王书文王涛李道齐杨紫璠...
    644-653页
    查看更多>>摘要:采用纳秒脉冲激光对石化设备普遍使用的20钢表面锈蚀层以及油污进行了激光清洗试验,通过正交实验法得到优化后的激光清洗工艺参数,在激光功率18 W,激光脉冲重复频率75 kHz,扫描速度3000mm/s的清洗工艺参数下可有效去除20钢表面的锈蚀层;在激光功率20 W,激光脉冲重复频率75 kHz,扫描速度2250 mm/s的清洗工艺参数下可有效去除20钢表面附着的油污.分析了激光清洗前后材料表面形貌的变化,研究了激光清洗前后表面的显微硬度以及耐腐蚀性,结果表明:激光清洗可以在不改变材料的耐腐蚀性能的同时提升材料表面的显微硬度,从而达到理想的激光清洗效果.

    激光清洗石化设备正交实验表面形貌显微硬度耐腐蚀性

    基于图卷积的视网膜血管轮廓及高不确定度区域细化框架

    吕佳梁浩城王泽宇
    654-662页
    查看更多>>摘要:针对传统卷积神经网络(convolutional neural network,CNN)受感受野大小的限制,无法直接有效地获取空间结构及全局语义等关键信息,导致宽血管边界及毛细血管区域特征提取困难,造成视网膜血管分割表现不佳的问题,提出一种基于图卷积的视网膜血管分割细化框架.该框架通过轮廓提取及不确定分析方法,选取CNN粗分割结果中潜在的误分割区域,并结合其提取的特征信息构造出合适的图数据,送入残差图卷积网络(residual graph convolutional network,Res-GCN)二次分类,得到视网膜血管细化分割结果.该框架可以作为一个即插即用模块接入任意视网膜血管分割网络的末端,具有高移植性和易用性的特点.实验分别选用U型网络(U-neural network,U-Net)及其代表性改进网络DenseU-Net和AttU-Net作为基准网络,在DRIVE、STARE和CHASEDB1数据集上进行测试,本文框架的Sp分别为98.28%、99.10%和99.04%,Pr分别为87.97%、88.87%和90.25%,证明其具有提升基准网络分割效果的细化能力.

    视网膜血管分割卷积神经网络(CNN)图卷积网络(GCN)不确定度分析轮廓提取

    非局部卷积残差学习模型的病理图像分类方法

    刘敏何智子林坤胡兰兰...
    663-672页
    查看更多>>摘要:针对组织病理学图像癌细胞分布随机性强、分布广泛的特点,且常见的卷积神经网络(conv-olutional neural network,CNN)难以直接获取长范围依赖关系的问题,本文采用基于迁移学习的ResNet与优化后的Non-local Net相结合的非局部卷积残差模型,融合了位置和通道特征,在图像中提取全局信息选择有价值的区域进行分类.本文采用BreakHis数据集进行实验,针对数据集良恶性样本分布极不均衡的问题,采用Random-SMOTE算法平衡良恶性样本,强化模型学习少数类别特征的能力.在不区分倍数的数据集上,本文提出方法的PR、RE、SP和ACC分别达到93.28%、98.71%、98.67%和98.70%;在已知倍数的数据集上,上述指标也更高.与乳腺癌组织病理学分类中常用的算法相比,本文提出的方法具有更好的性能.

    非局部卷积残差块注意力机制乳腺癌分类

    投稿须知

    封4页