论文部分内容阅读
[!--newstext--]
[!--title--]
【摘 要】
：
磁共振成像由于其无辐射、多参数、对比度高等特性,被广泛应用到医学成像领域。但是其过长的数据采样时间限制了其应用。自磁共振成像技术被提出以来,各种用于提升成像速度的方法被提出,比如提高最大磁场转换率与并行成像等。而当前研究的一大热点是通过对k-空间数据进行欠采样来快速成像。理论上对k-空间欠采样可以成倍的加快成像速度,但如果采样频率低于Nyquist-Shannon定理,重建出来的图像就会出现严重的
【机 构】
：
江南大学
【出 处】
：
江南大学
【发表日期】
：
2021年01期
其他文献
自NB-IoT（Narrow-Band Internet of Things,窄带物联网）技术提出以来,各项技术标准逐步得到完善,当前已经成为低功耗广域物联网中最具潜力的技术之一。在与各领域逐渐实现深度融合的过程中,NB-IoT设备将被大规模部署,考虑到NB-IoT系统的180KHz有限频谱资源,海量设备接入时将有可能发生资源竞争现象,使系统出现接入拥塞,从而导致网络接入量降低、资源浪费等问题。因
人脸表情识别是一项极具挑战的模式识别任务,在例如医学研究、交通安全、公共安防、刑侦审讯、影视娱乐等领域有重要的现实意义。对于可预见的未来世界中的高效人机交互,正确快速的识别用户表情也是一项必不可少的技术。近十年来,表情识别的研究进度突飞猛进,从小数据的室内研究转向了具有更大数据量的室外研究,研究方法也从传统方法变革为深度学习方法。深度表情识别的主要难点有以下几点:缺乏有效训练数据、存在大量表情无关
聚类是在无标记的条件下将数据分组,从而发现数据的天然结构的一种技术。聚类在数据分析中扮演了重要的角色,它可以发现数据的潜在结构、对数据进行自然分组或压缩,是人工智能的重要分支之一。2019年,Nie Feiping等人在ACM SIGKDD上提出了指定k个聚类的多均值聚类算法（a multiple-means clustering method with specified K clusters,
行人检测作为计算机视觉研究领域的一项关键技术,在智能监控、车辆辅助驾驶、运动分析与人机交互等领域有广泛的应用价值。但由于姿态、穿着、尺度、光线的变化以及相互遮挡等复杂场景的影响,行人检测仍是一个有挑战性的问题。融合多个特征能加强人体特征表达、提升行人检测算法性能。本文针对多特征融合、候选区域的提取、行人尺度多样性等问题以及行人检测算法的应用进行了研究,主要研究工作如下:（1）针对结合方向梯度直方图
图像超分辨率（Super-Resolution,SR）是一种将低分辨率图像（Low-Resolution,LR）处理为高分辨率图像（High-Resolution,HR）的技术,旨在提升图像的像素密度,并且在一定程度上还原图像中的细节。超分辨率算法对人类世界产生的影响极其深远,其应用场景十分广泛,包括卫星成像、医学成像、视频监控、自动驾驶等诸多领域。同时,随着近年来深度学习的发展以及人们对于图像质
3D目标检测是近几年来计算机视觉领域中备受关注的前沿方向,在机器人、自动驾驶、增强现实和虚拟现实中具有广泛的应用前景,如何精确地进行3D目标检测具有很大的研究意义和实际的应用价值。为了有效避免传统方法的弊端,充分发挥深度学习强大的特征学习能力,本文研究了基于深度学习的3D目标检测算法,融合了不同数据源的数据,构建了多模态特征融合框架,弥补了单模态点云语义信息不足的缺陷,以提升远小物体及遮挡物体的检
近年来,物联网技术的发展以及智能手机的普及,从智慧医疗保健行业的发展看来,可穿戴设备潜力巨大。随着传感器技术的进步,用户可以利用可穿戴设备精确地对睡眠状况以及日常运动进行实时监控,可用于各种健康保健和预防性医疗。社会的医疗保健系统与人们的生活息息相关,而当下的医疗诊断主要还是依靠于实体医院,对于预防性健康医疗的需求较大,这使得可穿戴设备具有广阔的市场前景。可穿戴式设备作为未来个人健康检测的基础,将
计算机和通信系统与物理世界的快速融合,促进了工业信息物理系统（Cyber Physical Systems,CPSs）的出现。由于集成了控制、通信、传感和计算能力的工业CPSs对接口的要求更加开放,大量的网络安全威胁涌入到系统中,这引起了学者们对工业CPSs安全性问题的广泛关注。重放攻击是工业CPSs中一种常见的数据完整性攻击。虽然针对数据重放攻击的检测方案已取得一些成果,但是这些研究通常需要已知
GIS（Geographic Information System,GIS）是用于输入、存储、查询、分析和显示地理数据的计算机系统,它继承了地理、测绘、地图、信息、通信等众多的学科知识,是多种学科交叉的综合性技术。近些年来,伴随着地理信息系统的发展,人们对于地图数据信息的需求量越来越大。地图自动制图综合研究成为GIS领域的热点内容,是地图制图自动化的难点与发展方向。地图综合主要是根据制图综合的基本
智能体是人工智能的具体实现。在群体智能中,种群中的每一个个体都可以视为智能体,这些智能体根据某些规则决策下一次的搜索轨迹,以逼近优化问题的全局最优解。目前粒子群优化（Particle Swarm Optimization,PSO）算法及其变体已被证明是求解复杂优化问题的有效方法。在过去的20年中,PSO已引起了学术界的广泛关注。然而,粒子群算法在搜索过程中存在粒子位置振荡、多样性不足和易于陷入局部