为更好地促进生命科学学院研究生之间的学术交流，开拓学术视野，推进科技创新，提高研究生科研水平，我院将于12月20日举办“生命科学学院第一届研究生学术论坛”，现向我院全体研究生同学征集论文和项目组阶段性成果介绍，同时，欢迎有科研志向的本科生投稿。
一、 论文长度为一页(A4纸)，内容包括：论文编号、中文题目、中文作者、中文摘要、中文关键词、参考文献、英文题目、英文作者、英文摘要及英文关键词。论文要求见附件一，论文模板见附件二。
二、 项目组科研成果图片及说明，内容包括：成果题目、成果介绍、成果对应图片。具体格式要求见附件一，成果介绍模板见附件三。
三、 所提交的论文以及成果说明必须经导师审阅修改后才能定稿。
四、 17级和18级研究生同学每人必须有一篇论文或是项目阶段性成果介绍；欢迎有阶段性成果的19级研究生和本科生积极参加。
请提交成果的同学按附件中的要求于12月13日前完成论文或阶段性成果报告，发给导师修改。12月16日导师定稿后的成果介绍，以年级为单位打包QQ发给相关负责老师。
联系老师:
刘彦北 QQ号：583857170 王瑶 QQ号：741971347
附件一：论文要求
1. 论文内容：本次征集的论文用于我院研究生之间的交流，不对外发表。鼓励同学们在论文中体现研究生期间的科研成果。
2. 文章编号格式：论文编号-研究方向-
其中，研究方向对应编号为：
生物医学工程—A
智能医学工程—B
其他—C
例：张三的研究方向为智能医学工程，其文章编号格式为：论文编号-B-
3.文章作者中的导师名字右上角以*号标注；
4.关键词为3~5个
5. 参考文献填写最重要的5篇，中文文献及英文参考文献的格式见附件二。注意参考文献中英文大小写、标点及英文作者的缩写。写全参考文献的分类标识、年份、卷号、期号、页码；
6. 每人中英文摘要一页以内；英文的摘要和关键字应与中文一一对应。
7.提交文件名格式一律为：学号_研究方向编号_姓名_论文题目
例：17*******_C_张三_XXXXX
8.请务必注意论文中的标点符号及参考文献格式。论文请将附件二中的“附件二：论文模板”删除，其他部分用对应内容替换。论文中的字号、字体和行距请严格按照模板设置。
9. 页脚添加研究生个人简历，格式如模板所示，其中邮箱为研究生个人邮箱。
成果介绍要求
1. 成果内容：本次征集的成果集用于我院研究生之间的交流，不对外发表。鼓励同学们在成果介绍中体现研究生期间的阶段性科研成果。
2. 成果介绍编号格式：成果编号-研究方向-
其中，研究方向对应编号为：
生物医学工程—A
智能医学工程—B
其他—C
例：张三的项目组研究方向为智能医学工程，其成果编号格式为：成果编号-B-
3.提交文件名格式一律为：学号_研究方向编号_姓名1+姓名3+姓名3_论文题目
例：17*******_C_张三+李四+王五_XXXXX
4.请务必注意论文中的标点符号。成果介绍请将附件三中的“附件三：成果介绍模板”删除，其他部分用对应内容替换。论文中的字号、字体和行距请严格按照模板设置。尤其是成果介绍中有英文的字体统一采用Times New Roman。
5.项目组成员最多只能为三人。
6.项目组阶段性成果介绍中必须有图片。
7. 页脚添加研究生个人简历，格式如模板所示，其中邮箱为研究生个人邮箱。
附件二：论文模板
论文编号-A-
基于项目相关的图像匹配方法
张三，李小四*
摘要：在对某些器件建模时，粗模型与器件的直流特性差异较大而交流特性相似，为了在不改变粗模型交流特性的情况下改进直流特性，使整个模型与器件匹配，对神经网络空间映射(Neuro-SM)结构进行了改进。改进的模型在Neuro-SM结构基础上，增加电容和电感，使映射关系仅调整输入信号中的直流分量，不影响交流分量，用少量的优化变量和简单的映射关系即可达到模型匹配的效果。通过仿真实验表明，改进后的Neuro-SM模型充分利用粗模型与器件非线性响应相似的特点，既保持了模型的精度又简化了建模过程。
关键词：神经网络；神经网络空间映射；建模；晶体管；ADS仿真
参考文献:
[1] 刘林盛. 场效应晶体管的大信号模型研究[D]. 成都: 电子科技大学, 2011.
[2] 侯媛彬, 杜京义, 汪梅. 神经网络[M]. 西安: 西安电子科技大学出版社, 2007: 74~81.
[3] 林强,张祖荫,郭伟.微波功率放大器非线性失真分析闭[J]. 微波学报, 2004, 20(4): 79~82.
[4] Gao J., Werthof A.. Scalable small-signal and noise modeling for deep-submicrometer MOSFETs [J]. IEEE Transactions on Microwave Theory and Techniques, 2009, 57(4):737~744.
[5] xxxx
Research and Improvement of Neuro-space Mapping Structure
San Zhang, Xiaosi Li*
Abstract: In some cases, the difference of DC responses between the coarse model and devices is large, however the nonlinear responses are similar. To improve the DC feature without changing AC characteristic, an advanced neural network space mapping (Neuro - SM) structure is proposed to make model match devices. On the basis of the traditional Neuro-SM model, add the capacitor and inductor constituting a new Neuro - SM model. The modified model only adjusts the DC component of the input signal, and remains the AC characteristic unchanged. Matching model was achieved with a few optimization variables and simple mapping relationship. The simulation experimental results demonstrate that the enhanced Neuro-SM model can make full use of the similar nonlinear responses between the coarse model and devices, maintaining the accuracy of the model as well as simplifying the modeling process.
Keyword: Neural networks, neuro-space mapping, modeling, transistor, advanced design system (ADS) simulation
附件三：成果介绍模板
成果编号-B
糖尿病视网膜病变眼底图像自动分析成果
张三，李四，王五
主要成果介绍
项目组提出一种基于相位一致的眼底图像血管分割方法，首先提取眼底图像的绿色通道；然后用对比度受限的自适应直方图均衡化(Contrast Limited Adaptive Histogram Equalization，CLAHE)增强图像的对比度，采用各向异性耦合扩散方程对眼底图像进行滤波；利用相位一致性(Phase Congruency)算法分别对有无经过各向异性耦合扩散方程滤波的眼底图像进行相位一致性检测，将两幅基于相位一致性检测的血管结果进行像素级相乘；用迭代选择阈值法将图像二值化；用数学形态学的方法对图像进行后处理，实现对血管的分割。实验样本来源于公用的DRIVE库和STARE库，这两个库是国际通用的眼底图像库，实验结果表明，基于相位信息的眼底图像血管分割方法对图像的亮度和对比度不敏感，对正常的和对比度低的眼底图像都具有较好的鲁棒性。本方法克服了传统算法无法正确分割病变眼底图像中血管的缺点，同时还可以将大部分末梢的小血管分割出来，分割结果与专家手动标识的重复率为93.4%，分割结果如图1.1所示。
图1.1 基于PC的DRIVE库眼底图像分割结果（部分）