边缘检测的准确性对于提升人工视觉感知系统的性能具有重要意义.构建一种具有长短时程突触互补特性的神经元网络:首先引人视锥细胞群的主导颜色拮抗特性,对待测图像的颜色拮抗通道进行加权编码,获得待测图像的初级边缘感知;然后模拟神经元群同步放电特性,定义突触动态连接的神经元作用窗口,实现对初级边缘感知的群放电时间编码;接着构建长短时程突触互补模块,基于短时程内神经元群同步放电特性和长时程内神经元放电活动时序空间依赖性,实现长短时程突触可塑性编码及互补融合;最后通过对时间信息流的编码,得到边缘响应.以根据常规微生物实验需求而采集的20幅菌落图像为实验材料,并以重构相似度MSSIM、边缘置信度BIdx及综合性指标Eldx作为评价指标.结果表明,相对于VSC,NIS和MSP等3种主流方法,该研究算法的检测结果边缘准确且漏检率较低,与人工主观观测结果较为一致;同时MSSIM、BIdx、EIdx等3个指标的均值和标准差分别为0.909 6±0.037 7、0.671 5±0.105 7、0.804 8±0.052 1,整体性能优于上述3种主流方法.通过模拟神经元群体的长短时程突触互补特性,为实现视觉感知计算模型的构建以及在图像处理中的应用提供一种新的思路.

目的 提出一种基于分频视觉机制的图像显著轮廓特征提取新方法,在多通道分离基础上融合视觉信息机制,以实现图像的有效性和完整性.方法 利用具有频域响应特性的高斯导函数,模拟LGN感受野对视觉信息的分频特性,实现空间频域调谐作用;根据空间频率和朝向调谐之间的全局性抑制作用,构建一种基于对比度自适应的朝向敏感感受野,通过视觉感受野信息差异的检测,实现对外周纹理的选择性抑制,并利用分频视觉信息流的融合模型,表征初级视皮层中的上下文整合机制.结果 以RuG40图库中的图像作为实验样本,经过非极大值抑制和阈值处理,检测结果与轮廓基准图的平均指标为0.48,优于其他对比方法.结论 该方法能够实现图像轮廓的有效检测,为后续图像编码与融合提供新的思路.

医院信息化是医疗体制改革的重要工具,是医院提升管理水平、强化核心竞争力的基础.医院资源规划(HRP)系统建设通过对信息流、资金流、物流的高度整合实现信息共享,实现信息及时渗透与流通.本文分析了构建基于HRP的医院财务信息共享平台的意义,剖析了目前公立医院财务信息建设现状以及存在"信息孤岛"等信息建设问题,并在此基础上,提出了HRP的方案设计,通过业务系统、核算系统、预算系统、物资系统等系统的集成,提高信息共享度,促进业财融合,提升医院资源效益.

DIP付费变革下,传统的经济运营管理模式已无法适应现有的新形势,医院的转型升级与加强内部精细化管理已迫在眉睫.文章通过理论研究并结合样本医院实践探索,从梳理和塑造业务流程入手,紧密结合信息化手段,以信息流打通业务流程壁垒,以业财管信融合模式视角发力,采用多维抓手工具,有机联动构建DIP付费下公立医院新型精细化和高质量运营体系,促成医院运行精益高效、医保资金合理使用、患者费用有效降低的多方共赢机制.

面对日益提高的医院内部控制管理要求,基于医院综合运营管理(Hospital Resource Plan,HRP)系统,构建以"预算—合同—物流—核算"为主线的应用框架,满足内部控制管理需求.实践表明,通过将医院内部控制关键节点纳入HRP系统,使得业务流、资金流、数据流、信息流互通,促进事前、事中精细化管控和事后分析,实现运营业务财务融合、联动一体化管理,从而有效防范和管控内部运营风险,提升内部控制工作效率,进而促进医院提质增效.

DIP打包付费是医保基金支付改革的重要手段,在此背景下大型综合医院以科室独立运营与单元核算的管理模式已落后于改革与发展需求.河南省人民医院新形势下探索创立肿瘤中心,实现集成平台下资源集中整合配置与高效利用,通过人流、物流、资金流和信息流的统一调度,重塑业务流程,破除业务与行政管理屏障,以业务活动与运营管理协同联动,横向延伸到边、纵向挖潜到底,打造绿色集约、互联互通、资源共享、和谐均衡及精益高效的精益融合运营模式,取得一定成效.对该院肿瘤中心精益融合运营模式进行介绍与分析,为医院加强运营管理提供参考.

针对电阻抗图像重建空间分辨率不足问题,基于深度学习理论提出一种共轭梯度快速预重建与深度堆栈式自编码器后处理的电阻抗成像方法(Deep CG).该方法的核心思想是:融合数值重建算法与深度学习算法,使胸腔内肺部的结构和电导率分布更加精准.首先采用共轭梯度算法进行图像预重建,获得边界电压与胸腔内部电导率分布的预映射关系;再采用深度堆栈式自编码器,将编码和解码层级连接,充分利用不同空间特征信息,实现特征提取和图像重建;最后根据公开的80名临床患者的CT结构图像构建了数据集,采用混合式监督训练方法调参,不仅避免了深度网络中信息流和梯度流弥散问题,而且优化了算法模型.采用图像相对误差、相关系数进行量化指标评价,并与常用的数值图像重建算法和全连接神经网络模型进行对比.结果显示,Deep CG算法的比常用图像重建算法图像和全连接神经网络模型相对误差从0.50和0.24降低到0.11,相关系数由0.80和0.90提高到0.96.该方法获得了空间分辨率高,尤其边界更清晰的电阻抗图像,有望进一步推动EIT技术在临床的应用研究.