【摘 要】
：
针刺人体软组织是医疗诊断中比较普遍使用的治疗手段,然而细微的针刺操作对医生的能力提出较高的要求.医生可采用虚拟现实技术来进行大量的训练,获得宝贵的经验.虚拟针刺过程中的软组织变形是重要研究内容.文章采用有限元方法建立软组织模型,使用GPU加速仿真的方法,实现针刺软组织的仿真.实验结果表明,软组织模型在针刺作用下,能产生局部的、小区域的变形.
【机 构】
：
南通大学杏林学院,江苏 启东 226236;南通大学信息科学技术学院
论文部分内容阅读
针刺人体软组织是医疗诊断中比较普遍使用的治疗手段,然而细微的针刺操作对医生的能力提出较高的要求.医生可采用虚拟现实技术来进行大量的训练,获得宝贵的经验.虚拟针刺过程中的软组织变形是重要研究内容.文章采用有限元方法建立软组织模型,使用GPU加速仿真的方法,实现针刺软组织的仿真.实验结果表明,软组织模型在针刺作用下,能产生局部的、小区域的变形.
其他文献
随着Web服务数量的迅速增长,服务过载的问题逐步显现.为了解决服务过载的问题,基于服务质量(Quality of Service,QoS)感知的服务推荐成为了服务计算领域的研究热点.从起初的基于协同过滤算法到目前基于深度学习的服务推荐算法,这些算法从各个角度提升着服务推荐的精度.文章以算法的改进过程为主线,对主要的服务推荐算法及其存在的弊端进行了分析与总结,并对未来服务推荐算法的发展进行了展望.
光学字符识别(OCR)时,输出的文本行顺序需与实际的顺序相符.文章在字符Blob分析的基础上,对两个字符Blob外接矩形的相对位置关系进行划分,确定了各位置关系下同一文本行的判断方法,据此对排序后的字符Blob进行文本行初次生成和文本行二次合并,实现了任意方向文本行的生成.实际测试结果验证了所述方法生成任意方向文本行的有效性.
针对短文本信息量少导致隐藏的信息难以充分挖掘和深度学习模型易受干扰导致分类准确度下降的问题,提出一种融合对抗训练自注意力多层双向长短期记忆网络(Con-Att-BiLSTMs)短文本分类模型.将文本训练集按不同比例进行分类对抗训练,通过对抗训练提升模型的健壮性;利用多层双向长短期记忆网络对语义进行提取,利用自注意力机制层对语义信息进行加权强化;经过softmax函数使损失率极小化.将该方法与其它模型方法比较,实验结果表明,该方法有效提高了短文本分类的准确度.
为解决稀疏表示跟踪速度慢和核相关滤波算法难以处理遮挡、尺度变化的问题,提出一种核相关滤波结合稀疏表示的视频跟踪算法.用核相关滤波快速定位目标的最大可能位置,密集采样后采用基于局部图像块的稀疏表示和对齐池化构建外观模型,更好表征目标的局部特征以应对遮挡问题.为处理跟踪漂移,采取基于滤波和稀疏编码的探测策略实现模型更新.O T B100上的实验结果表明,该算法在处理遮挡、旋转和快速运动上与其它算法相比达到最好的跟踪效果.
针对图像间结构复杂、纹理重复的对象中存在特征匹配鲁棒性差、误匹配率高的问题,结合最近邻思想,提出一种基于动态拓展的特征匹配方法.输入待匹配的两幅图像,采用SIFT算子提取图像初始特征点几何位置信息,构建基础数据集;依据基础数据集,采用核心点周围邻域逐层约束的动态拓展聚类方法,划分图像聚类簇;设计度量函数确定图像对应聚类簇,生成对应簇内特征点的描述子;采用最近邻距离比准则进行特征匹配.以Oxford VGG标准数据集和古建筑图像为对象,验证了该算法的精确性与鲁棒性.
为减少冗余日志,降低事件约束不可控对算法评估及验证的影响,提出基于可达状态的随机选择生成受控日志的方法.利用増广Petri网为系统建立模型,依据模型中库所与变迁的结构关系及标识分布构建输入矩阵;基于Petri网可达状态分析方法,随机选择触发可发生变迁,记录变迁序列;对记录进行受控分析,拼装生成多重集事件日志和XES标准日志.实现相关日志生成工具,利用BPIC2020数据进行实验,与已有工具进行比较,实验结果表明了工具的效率和有效性.
为保证车辆驾驶过程中的稳定性和安全性,对智能网联式车队控制器参数的优化和选取展开研究.采用领头车-前车跟随策略进行车辆编队,构建网联式车队纵向控制动力学模型,结合滑模控制器规律,利用切换函数,实现网联式车队车辆自适应控制.在此基础上,利用粒子群优化算法,将滑模控制器4个参数设置为空间粒子,通过搜索个体极值和全局极值动态调整粒子参数,获得滑模控制器的最优参数.采用MATLAB软件进行仿真研究,仿真结果表明,相对于给定的未优化控制器参数,优化后的滑模控制器具有响应快、精度高等特点,能够有效实现网联式车队的稳定
现有图像去运动模糊结果容易在视觉感知上产生边缘特征不明显,出现大幅度的伪影现象,且在深度网络训练过程中,存在因加深网络导致参数过多不易训练即不稳定的问题,为此提出多尺度循环残差神经网络模型.在SRN基础上,为平衡评价指标(PSNR、SSIM)与感知质量,提高图像中的高频细节信息等,进行多损失融合改进;在网络的编码器-解码器结构中,在其卷积层中使用小卷积核堆叠,加深网络的同时使网络参数更少更容易训练,更好地拟合图片的特征信息.实验结果表明,改进算法生成的网络模型取得了更好的去模糊结果.
古籍退化对古籍图像二值化带来较大挑战,为此,提出一种基于离线参数调整的古籍图像二值化算法.算法分为两步,估计古籍图像背景局部均值,结合基于拉普拉斯能量的二值化算法对古籍进行二值化;根据迭代弗里德曼竞赛算法设计一种离线参数调整方法优化算法中的参数配置.所提算法在H-DIBCO 2016和H-DIBCO 2018数据集上的综合实验结果均优于其它二值化算法,验证了所提算法的有效性.
现有多变量时间序列(multivariate time series,MTS)预测方法模型主要采用循环神经网络和注意力机制提取MTS的复杂时空特征,这些方法对MTS变量之间的空间依赖关系的捕获能力不足.图卷积网络对复杂数据的空间特征提取能力较强.为此提出一种融入图卷积网络、注意力机制和深度学习中的卷积神经网络的三通道网络框架模型,将该框架模型用于多变量时间序列预测任务.实验结果表明,该模型在国际汇率这一多变量时间序列数据集上的性能表现要优于目前较先进的几个基线模型.