将优化问题抽象成目标函数后,目标函数和启发式优化算法的匹配程度决定了优化求解的效率.为反映目标函数的优化特征并指导优化算法及其参数的选择,本文模拟绝热量子计算中的多基态演化,提出了一种适应度地形探索算法.根据基态波函数倾向于向势能较小处收敛且收敛程度受量子效应强度影响的特性,用目标函数编码势能场后算法引入了一个量子效应递减的多基态演化过程,用其持续收敛的基态波函数簇反映目标函数的适应度地形.根据量子路径积分,算法由尺度递减的扩散蒙特卡罗(diffusion Monte Carlo,DMC)实现.实验表明算法综合直观地反映了适应度地形的众多特征,所得信息能直接指导后续优化,其计算模式和启发式优化相似,无需引入其他计算,这为适应度地形研究引入了新的视角.
弹性配准是医学图像处理中的关键任务之一，其效果直接影响到了后续的分割、分类、预测等任务的准确性。然而由于神经网络的高频不敏感特性，现有的方法难以捕捉图像的高频信息，影响了配准场的拟合精度。为了解决这些问题，提出了基于频谱分解的高频保持医学图像配准模型——DFRes(Decomposition in Frequency domain model for Registration)。引入频谱分解的策略，采用双支结构处理原始图像中的高频信息和低频信息；同时设计了具有高频保持特性的可逆神经网络结构和具有高频低频融合能力的桥式特征融合模块，通过交替的空间频谱信息提取模块，进一步加强了模型对于频域和空域信息的提取和融合能力。在IXI、OSSAI、华西直肠数据集上与现有的先进模型进行了比较，DFRes在多个指标上取得了显著的提升，相↑较于次优的TransMorph模型，Dice相似系数(DSC)提高了2.5个百分点、平均表面距离（ASD）降低了1.2个百分点、SSIM提高了1.6个百分点。同时通过消融实验验证了模块设计的有效性。
暂无评论