简介：以卷积神经网络为代表的深度学习算法在医学影像分析领域正引起广泛美注，并取得了令人惊叹的进步。为了进一步提高卷积神经网络在计算机辅助筛查肺结节应用的准确率，本文设计了2种改良的深度卷积神经网络，这些改进加快了神经网络的训练速度．有效地防止了算法的过拟合。相比只采用二维卷积核的其他检测模型，该模型能够有效地学习到CT影像三维重建后的图像特征。通过实验，改进的检测模型在LUNAl6数据集上的准确率明显好于其他模型，这种网络结构也可用于医学影像领域中其他三维图像的检测场景。最后，构建了一套适用于远程医疗的“计算机辅助肺癌筛查与诊断系统”，该系统能够自动检测出CT影像中肺结节，并给出结节的良恶性概率评估。通过该系统的应用，可以有效缓解放射科医生超高的劳动强度，提高阀片效率，服务更多患者；减少漏诊和误诊发生的次数，有助于提高肺结节的诊断准确率；从而促进我国肺癌早筛工作的推广。

简介：研究了一个呼吸动力学时滞微分方程模型X（t）=1-ax（t）x^n（t-τ）/[1＋x^n（t-τ）．通过利用一种映射方法得到了该系统平衡点全局吸引的充分条件．所得结论优于已有的结果．

简介：建立用以评价地球大气健康度的模型,选择AQI作为健康度的指标,采用双层网络的形式构建模型。局部网络采用经粒子群算法优化的神经网络,而全局连接通过特定传播函数定义的反馈边将节点连接起来,并以上一年的结果作为输入,本年的结果作为输出,建立起一个自治系统。从拟合效果、关键节点和节点关系变化等几个方面测试了网络的性状。选择日本、印度、匈牙利等几个典型国家在1985—2008年的相关数据进行研究。结果表明,模型具备功能上的完备性和极好的灵活性,与历史事实符合得很好,可以为决策者提供有价值的支持信息。