乳腺病理组织图像中上皮和间质区域的自动分割对乳腺癌的诊断和治疗具有非常重要的临床意义。但是由于乳腺组织病理图像中上皮和间质区域具有高度复杂性，因此一般的分割模型很难只根据提供的分割标记来有效地训练，并对两种区域进行快速、准确的分割。为此，提出一种基于条件对抗网络（cGAN）的上皮和间质分割条件对抗网络（EPScGAN）模型。在EPScGAN中，判别器的判别机制为生成器的训练提供了一个可训练的损失函数，来更加准确地衡量出生成器网络的分割结果输出和真实标记之间的误差，从而更好地指导生成器的训练。从荷兰癌症研究所（NKI）和温哥华综合医院（VGH）两个机构提供的专家标记的乳腺病理图像数据集中随机裁剪出1 286张尺寸为512×512的图像作为实验数据集，然后将该数据集按照7：3的比例划分为训练集和测试集对EPScGAN模型进行训练和测试。结果表明，EPScGAN模型在测试集的平均交并比（mIoU）为78.12%，和其他6种流行的深度学习分割模型相比较，提出的EPScGAN具有更好的分割性能。

针对复杂的在线服务环境下存在的主观性和不确定性,且缺乏从信任程度、不信任程度和不确定性程度三方面描述信任的方法,提出一种集成直觉模糊信息的主观信任模型。首先,给出了一种改进的集成精确数为直觉模糊数的方法,并结合 K均值聚类算法,计算实体的直接信任和间接信任;然后,根据基于直觉模糊熵的权重分配策略计算综合信任;最后进行了仿真实验验证。结果表明该方法能有效抑制信用欺诈行为,且当恶意节点达到35%的情况下仍然维持一个较低的误差水平。

为了辅助病理医生快速高效诊断乳腺癌并提供乳腺癌预后信息,提出一种计算机辅助乳腺癌肿瘤病理自动分级方法。该方法使用深度卷积神经网络和滑动窗口自动检测病理图像中的细胞;随后综合运用基于稀疏非负矩阵分解的颜色分离、前景标记的分水岭算法以及椭圆拟合得到每个细胞的轮廓。基于检测到的细胞和拟合出的细胞轮廓,提取出肿瘤的组织结构特征和上皮细胞的纹理形状特征等共203维的特征,运用这些特征训练支持向量机分类器(SVM),实现对病理组织图像自动分级。17位患者的49张H&E染色的乳腺癌病理组织图像自动分级的100次十折交叉检验评估结果表明:基于病理图像的细胞形状特征与组织的空间结构特征对病理图像的高、中、低分化等级分类整体准确率为90.20%;同时对高、中、低各分化等级的区分准确率分别为92.87%、82.88%、93.61%。相比使用单一结构特征或者纹理特征的方法,所提方法具有更高的准确率,能准确地对病理组织图像中肿瘤的高级和低级分化程度自动分级,且各分级之间的准确率差异较小。

针对现有信任评估方法缺乏对消费者风险态度的考虑,提出了一种基于消费者风险态度的主观信任模型.首先,利用集值统计理论计算属性集成区间;其次,引入风险态度因子,将区间评价矩阵转化为带风险态度信息的评价矩阵;最后利用相对接近度的思想得到实体的信任水平.通过仿真实验表明,当消费者处于不同风险态度时,可以通过调整其风险态度因子来评估服务提供者的信任水平;通过防欺诈实验,进一步验证了该模型能够有效地遏制一般恶意节点的攻击行为.且发现在诋毁行为攻击时,风险态度较乐观者,误差较小;在夸大行为攻击时,风险态度较谨慎者,误差较小.

乳腺在注射造影剂钆喷酸葡胺（Gd-DTPA）后,乳腺核磁共振（MR）图像中恶性肿瘤区域比正常或者良性区域呈现出更加快速和更强的灰度变化,因此动态对比度增强核磁共振成像（DCE-MRI）成为了医生检测和诊断乳腺恶性肿瘤的重要工具。但是DCE-MR图像的快速获取目前仍然是一个难题, 为了快速高效地获取这样的DCE-MR图像, 根据群稀疏思想和压缩感知（CS）理论,提出了一种结合变密度随机采样的共轭梯度下降方法。该方法首先使用变密度随机采样的方式从图像的局部k-空间（傅立叶系数）数据中获取采样信息,再将传统的基于l1范数的共轭梯度下降算法扩展到l2,1范数以使得改进的共轭梯度下降算法可以对多幅DCE-MR图像同时进行联合重建。实验结果表明:采样率小于40%时，改进的联合重建方法比多测量向量（MMV）算法在重建时间上减少了约30%；变密度随机采样比均匀随机采样在重建准确率上提高了约70%。

针对秘密共享方案的自动化验证问题，提出一种基于等值理论的秘密共享方案自动化验证方法。首先通过等值理论在应用Pi演算中对可验证的多秘密共享方案的密码学语义进行了形式化定义。在此基础上，进一步提出了一种用于将所提出等值理论转化为自动化协议验证器ProVerif中重写机制的编码方法，在ProVerif中实现了关于可验证的多秘密共享方案的自动化验证。通过证明给出了关于可验证的多秘密共享方案形式化分析结果的健壮性结论：如果自动化协议验证器ProVerif中可验证的多秘密共享方案的形式化分析结果满足特定安全属性，则其能够归约证明应用Pi演算模型中针对可验证的多秘密共享方案所建立的现实敌手可以“模拟”ProVerif验证器中的理想敌手，其意味着现实敌手与理想敌手是不可区分的。

针对目前信息站点存在的成本较高和安全可靠性不足等问题，本文首先分析了依靠开源软件建设信息站点的优势，并提出了一种将已有信息站点移植到开源平台的自动化技术。