1、课程教学目标:本课程是用科学的方法探讨教育教学领域内的各种关系、现象,并 揭示其规律,从而提高教育教学效益的应用性学科,是一门为解决教育问题、探讨教育未知、 创建教育理论提供基本思路与方法的工具性学科也是小学教育专业的一门专业必修课。 通过本课程的学习,可以使学生了解教育研究的基本过程与环节,掌握教育研究的基本 方法和基本技能,形成研究意识和方法意识培养分析问题和解决问题的能力,为从事教育 教学研究,提高教育教学水平打下基础

医生诊断需要结合临床症状、影像检查等各种数据，基于此，提出了一种可以进行数据融合的医疗辅助诊断方法。将患者的影像信息（如CT图像）和数值数据（如临床诊断信息）相结合，利用结合的信息自动预测患者的病情，进而提出了基于深度学习的医疗辅助诊断模型。模型以卷积神经网络为基础进行搭建，图像和数值数据作为输入，输出病人的患病情况。该医疗辅助诊断方法能够利用更加全面的信息，有助于提高自动诊断准确率、降低诊断误差；另外，仅使用提出的医疗辅助诊断模型就可以一次性处理多种类型的数据，能够在一定程度上节省诊断时间。在两个数据集上验证了所提出方法的有效性，实验结果表明，该方法是有效的，它可以提高辅助诊断的准确性

宫颈癌是严重危害妇女健康的恶性肿瘤，威胁着女性的生命，而通过基于图像处理的细胞学筛查是癌前筛查的最为广泛的检测方法。近年来，随着以深度学习为代表的机器学习理论的发展，卷积神经网络以其强有效的特征提取能力取得了图像识别领域的革命性突破，被广泛应用于宫颈异常细胞检测等医疗影像分析领域。但由于病理细胞图像具有分辨率高和尺寸大的特点，且其大多数局部区域内都不含有细胞簇，深度学习模型采用穷举候选框的方法进行异常细胞的定位和识别时，经过穷举候选框获得的子图大部分都不含有细胞簇。当子图数量逐渐增加时，大量不含细胞簇的图像作为目标检测网络输入会使图像分析过程存在冗余时长，严重减缓了超大尺寸病理图像分析时的检测速度。本文提出一种新的宫颈癌异常细胞检测策略，针对使用膜式法获得的病理细胞图像，通过基于深度学习的图像分类网络首先判断局部区域是否出现异常细胞，若出现则进一步使用单阶段的目标检测方法进行分析，从而快速对异常细胞进行精确定位和识别。实验表明，本文提出的方法可提高一倍的宫颈癌异常细胞检测速度

针对TTE (time-triggered Ethernet, TTE) 网络对业务安全性与对业务实时性要求高的问题, 提出了一种自适应双冗余的网络结构, 设计冗余报文的时间标签, 自适应恢复传输, 并设计了TTE网络中的混合流量(TT (time-triggered) 流, RC (rateconstrained) 流, BE (best-effort) 流) 调度规划方法, 根据报文的重要性, 发送端自适应的对网络报文进行分类, 其中, TT信息双网备份传输, RC、BE信息在双网分散传输.此外, 基于确定性网络分析方法, 推导了自适应双冗余调度方法下RC流的闭式延迟界, 并仿真验证了在极限网络、确定网络以及排队论仿真模型下所提方法减小网络延迟的效果, 满足TTE网络在保障业务安全性的情况下对业务实时性的要求

将差分公式代入基本控制方程得到的方 程成为差分方程,也称为差分格式。对 于同一个微分方程组和定解条件可以建 立不同的差分方程(差分公式不同、使 用形式不同,方程不同),构造差分格 式也有不同的途径

前列腺核磁超声图像配准融合有助于实现前列腺肿瘤的靶向穿刺。传统的配准方法主要是针对手动分割的前列腺核磁（Magnetic resonance, MR）和经直肠超声（Trans-rectal ultrasound, TRUS）图像上对应的生理特征点作为参考点，进行刚体或非刚体配准。针对超声图像因成像质量低导致手动分割配准效率低下的问题，提出一种基于监督学习的前列腺MR/TRUS图像自动分割方法，与术前核磁图像进行非刚体配准。首先，针对图像分割任务训练前列腺超声图像的活动表观模型（Active appearance model, AAM），并基于随机森林建立边界驱动的数学模型，实现超声图像自动分割。接着，提取术前分割的核磁图像与自动分割的超声图像建立轮廓的形状特征矢量，进行特征匹配与图像配准。实验结果表明，本文方法能准确实现前列腺超声图像自动分割与配准融合，9组配准结果的戴斯相似性系数（Dice similarity coefficient, DSC）均大于0.98，同时尿道口处特征点的平均定位精度达1.64 mm，相比传统方法具有更高的配准精度

将差分公式代入基本控制方程得到的方 程成为差分方程,也称为差分格式。对 于同一个微分方程组和定解条件可以建 立不同的差分方程(差分公式不同、使 用形式不同,方程不同),构造差分格 式也有不同的途径

基于电子背散射衍射（EBSD）技术，利用极射赤面投影图，提出了一种不依赖于残余奥氏体，对协变相变产物的原奥取向进行重构的简易方法.计算结果表明，利用铁素体的{110}α极图中三个贝恩组的交点可以成功重构出原始奥氏体取向，并且精度可达2°；同时，该方法还可以对局部微区或者变体选择很严重的原奥取向进行重构，误差仍可控制在2°之内，具有其他重构方法无可比拟的优点.位向关系具体种类并不影响对原奥取向的重构，采用该方法进行原奥取向重构时不需要预先知道具体的位向关系，并且适用于位向关系处在K-S与N-W关系之间的所有协变相变过程.通过运用该方法重构原奥取向，本文研究了高温奥氏体化过程中的奥氏体行为.研究发现当采用较高的温度奥氏体化时会出现奥氏体孪晶，奥氏体孪晶的出现与奥氏体化温度有关

针对龙芯CPU无对应高性能服务器芯片组的现状，设计开发了一种为龙芯CPU筛选芯片组的架构，并实现了一种龙芯CPU和芯片组适配的方法。提出了采用现场可编程门阵列（FPGA）串联在龙芯CPU和即将适配的多组芯片组之间的架构。借助于此架构，设计实现了在CPU和芯片组之间那些暂时不知如何处理的物理信号线的连接方法，设计了两者之间上下电时序配合的调试方法，设计实现了规避两者信号协议差异的方法。借助这种架构和这些方法能够实现同时筛选多款芯片组的目的，避免了以前需要设计多款主板进行适配的情况，节省了重复研发主板的成本；找到了可以适配龙芯CPU的高性能服务器芯片组；其芯片组规格参数和性能高于目前龙芯CPU所用的芯片组，开拓了其在服务器领域的应用

讲解内容： 1. 图像恢复的概念、模型与方法 2. 图像几何校正和几何变换 3. 图像重建 目的： 1. 熟悉位移不变系统图像退化模型，掌握频率域逆滤波恢复方法； 2. 熟悉图像几何校正和几何变换的方法与基本步骤，掌握图像灰度内插方法及其特点 3.了解图像重建的基本概念与方法