XiaoMi-AI文件搜索系统
World File Search SystemChand
Pradipta Kumar Mishra、Suresh Chandra Satapathy* 和 Minakhi 使用基于优化的深度卷积神经网络对 MRI 脑肿瘤图像进行分割
摘要：脑图像分割应该准确完成，因为它有助于预测致命的脑肿瘤疾病，从而可能控制事先知道的恶意脑图像片段。通过脑肿瘤分割程序可以提高脑肿瘤分析的准确性。早期的 DCNN 模型不考虑学习实例的权重，这可能会降低分割过程的准确性。考虑到上述观点，我们提出了一个框架，使用基于群体智能的算法（如遗传算法（GA）、粒子群优化（PSO）、灰狼优化（GWO）和鲸鱼优化算法（WOA））来优化 DCNN 模型的网络参数，例如权重和偏差向量。模拟结果表明，WOA 优化的 DCNN 分割模型优于其他三种基于优化的 DCNN 模型，即 GA-DCNN、PSO-DCNN、GWO-DCNN。
Chandrayaan-2轨道器高分辨率相机图像Amitabh，Ashutosh Gupta，K Suresh，Ajay K Prashar，Kannan V IY
简介：ISRO于2019年7月22日从印度太空港口Sriharikota推出了Chandrayaan-2 Mission。轨道器高分辨率摄像头（OHRC）板上Chandrayaan-2 Orbiter-Craft，是一款非常高的空间分辨率摄像机，可在可见的Panchronic（PAN）频段中运行。OHRC测量在可见的电磁频谱范围内从月球表面反射的太阳光。该相机设计用于在非常低的太阳高度条件下进行成像。OHRC图像被广泛用于着陆点表征，以检测小规模的特征，尤其是在Lunar表面上的较小巨石。OHRC的地面采样距离（GSD）（在Nadir View中）距离100 km的高度为0.25m和3公里。OHRC具有通过航天器操作产生多视立体声图像的能力。这些立体对可用于生成迄今可用于月球表面的最高分辨率数字高程模型（DEM）。这项研究提供了月球表面几个特定区域的OHRC多视图（Stecreo）图像的DEM生成能力。OHRC摄像机的规格：下表1中提供了OHRC摄像机的规格。