检索结果-内蒙古大学图书馆

浙江大学学报(工学版) 2025年第4期59卷 688-697页

作者：钱新宇谢清林陶功权温泽峰西南交通大学轨道交通运载系统全国重点实验室四川成都610031

为了快速、准确检测车轮扁疤,提出以不同结构数据为驱动载体的车轮扁疤定量识别方法.将合成的扁疤车轮数据作为车轮不圆激励输入地铁车辆−轨道刚柔耦合动力学模型,获取不同工况下的轴箱振动响应.对轴箱振动响应进行数据规整,制成不同结... 详细信息

为了快速、准确检测车轮扁疤,提出以不同结构数据为驱动载体的车轮扁疤定量识别方法.将合成的扁疤车轮数据作为车轮不圆激励输入地铁车辆−轨道刚柔耦合动力学模型,获取不同工况下的轴箱振动响应.对轴箱振动响应进行数据规整,制成不同结构形式的样本集,将它与速度信号融合输入多输入卷积神经网络(MCNN)模型进行训练,探究MCNN模型在不同数据结构输入下的性能差异.结果表明:相较于设置的其他输入数据结构,输入数据结构为时域、频域和时频域组合的MCNN模型识别性能最佳,平均绝对百分比误差与拟合度(R2)分别为1.947%和0.9978,耗时相对较低,单个样本为0.1579 ms.经典模型对比实验、速度信息消融实验和实测数据迁移学习实验的结果表明,输入数据结构为时域、频域和时频域组合的MCNN模型具有工程应用价值.

关键词：车轮扁疤定量识别多结构数据样本集多输入卷积神经网络轴箱振动加速度

来源：评论

学校读者我要写书评

暂无评论

数据驱动下的膜法水处理膜污染诊断与预测方法研究

数据驱动下的膜法水处理膜污染诊断与预测方法研究

引用

作者：石耀科兰州理工大学

学位级别：博士

如何减少膜法水处理过程中的膜污染,提高膜法水处理出水水质的同时降低能耗,已成为现代污水处理领域发展中不可回避的重大问题。膜污染诊断与预测技术是提高膜法水处理系统运行可靠性、降低系统运行成本的重要方法和必要手段。膜法水处... 详细信息

如何减少膜法水处理过程中的膜污染,提高膜法水处理出水水质的同时降低能耗,已成为现代污水处理领域发展中不可回避的重大问题。膜污染诊断与预测技术是提高膜法水处理系统运行可靠性、降低系统运行成本的重要方法和必要手段。膜法水处理过程多为非线性系统,具有干扰强、结构复杂、参数不确定、动态变化、膜污染因素耦合强等特点,难以精确诊断和预测膜污染。因此,探索如何利用先进的科学技术,有目的、有方法、有针对性地诊断和预测膜污染是一个非常有意义的研究课题。本文以膜法水处理系统典型膜组件为研究对象,基于数据驱动的方法对膜法水处理膜污染诊断与预测方法展开研究。论文的主要创新研究成果如下:(1)针对膜法水处理过程中膜组件膜污染的强非线性和大时变等特点,提出了一种基于多机制水母算法自适应深度信念网络(Multi-Objective Jellyfish Search Adaptive Deep Belief Network,MOJS-ADBN)的膜组件膜污染诊断方法。MOJSADBN是基于DBN的一种改进诊断模型。首先,将自适应学习率引入到DBN的无监督预训练阶段,以提高网络的收敛速度。其次,采用MOJS方法代替传统DBN中基于梯度的逐层权值精调方法,提高网络特征提取能力。同时,构造李雅普诺夫函数证明MOJS-ADBN学习过程的收敛性。最后,将MOJSADBN用于膜组件膜污染诊断中进行模型诊断性能验证。实验结果表明所提出的MOJS-ADBN诊断模型收敛速度快,同时诊断准确率高,能够为膜法水处理实际运行过程中膜污染诊断提供理论基础。(2)针对膜组件的故障特征提取困难,导致模型计算量复杂,诊断准确率不够高的问题,以解决故障特征提取困难,降低模型复杂度,提高膜组件膜污染诊断准确率为目标,提出了一种结合注意力机制与卷积神经网络(Efficient Channel Attention-Convolutional Neural Networks,ECA-CNN)的膜组件膜污染诊断方法。首先,利用卷积核提取输入层的图片特征,同时在每个卷积层后面连接一个矫正线性单元,并添加批归一化层(Batch Normalization,BN)解决内部协变量偏移的问题,以提高非线性模型表达能力。其次,在BN层后添加ECA注意力机制模块,提取重要特征后连接池化层,降低网络计算复杂度,提高网络的准确率与效率。最后以膜组件运行数据为研究对象,进行膜污染诊断实验验证。实验结果表明,所提方法能够有效提升膜污染诊断精度,能够实现所有膜污染的高难分类与定位。(3)针对膜生物反应器膜组件膜污染特征提取能力不足,导致膜污染数据结构复杂,从而无法实现膜生物反应器中膜污染高效定位与分类的问题,提出了一种基于注意力机制的多输入卷积神经网络(Convolutional Block Attention ModuleMultiple-Convolutional Neural Networks,CBAM-MUL-CNN)模型。首先,以膜污染数据的时域信息和频域信息作为CNN的输入,经卷积层提取特征。然后,利用全连接层实现时域特征和频域特征的拼接后输入分类器进行分类。模型中的BN层可有效防止梯度消失,修正线性单元(Rectified Linear Unit,Re LU)层可提高非线性模型表达能力,CBAM模块可以简化模型复杂度,提高网络的特征表达能力,池化层可提高模型的容错性。对比结果表明该模型在并联式中空纤维膜装置的膜污染诊断实验中综合性能优异,能够有效实现所有膜污染的高效分类与定位,使膜法水处理提高出水水质的同时降低能耗,为实际生产提供理论基础。(4)针对膜法水处理过程膜污染预测问题存在的不确定性、强非线性、强耦合及非平稳性等特征,提出了一种基于改进多机制麻雀搜索算法自适应深度信念网络(Improved Multiple Objective Sparrow Search Algorithm Adaptive Deep Belief Network,IMOSSA-ADBN)的膜污染预测方法。首先,对DBN网络无监督预训练阶段的固定学习率进行自适应设计,提高网络收敛速度,提升网络训练效率。其次,利用IMOSSA方法优化传统DBN中的逐层权值精调方法,以提高模型预测精度。同时,证明了IMOSSA-ADBN模型学习过程的收敛性。最后,将IMOSSA-ADBN用于膜污染的预测中。实验结果表明所提出的IMOSSA-ADBN预测模型收敛速度快且预测精度高,能够满足实际膜法水处理过程对膜污染监测精度和运行效率的要求。(5)膜法水处理系统参数众多,数据量大、维度高,致使特征变量的选取困难、预测模型难以准确建立。因此,以深度学习模型CNN为主要技术手段,提出了基于改进CNN和多策略融合长短时记忆网络的膜污染预测模型。首先采用改进的多策略

关键词：深度信念网络膜污染诊断注意力机制多策略融合多输入卷积神经网络

来源：评论

学校读者我要写书评

暂无评论

基于迁移学习的天然地震和爆破事件识别在美国加州和犹他州的应用

引用

工程地球物理学报 2025年第2期22卷 172-182页

作者：杨祖鉴田宵陈奕冲甘兆龙刘安福裴重茂张中将东华理工大学江西省防震减灾与工程地质灾害探测工程研究中心

在地震预警和灾害预防中，区分天然地震与人为引起的非天然地震(如爆破)至关重要。本研究采用多输入卷积神经网络和迁移学习构建天然地震和爆破事件分类网络模型。同时利用波形和时频两类样本数据作为输入，使神经网络同时学习不同地震... 详细信息

在地震预警和灾害预防中，区分天然地震与人为引起的非天然地震(如爆破)至关重要。本研究采用多输入卷积神经网络和迁移学习构建天然地震和爆破事件分类网络模型。同时利用波形和时频两类样本数据作为输入，使神经网络同时学习不同地震类型的波形和频谱特征。首先在美国加州较大的地震数据集(2011-2017年)上进行模型训练；然后利用迁移学习技术，将已训练好的模型应用于美国犹他州的小地震数据集，以测试模型的泛化能力。实验结果显示，经过迁移学习优化后的模型，在处理犹他州地震数据时，相比于其他分类模型，天然地震和爆破事件的分类准确率高达94%。本文结合多输入卷积神经网络和迁移学习技术，能够有效提高地震类型分类的准确性和模型的泛化能力，为地震预警系统的改进提供了新的思路和技术支持。

关键词：天然地震爆破事件多输入卷积神经网络迁移学习

来源：评论

学校读者我要写书评

暂无评论

基于时频信息融合驱动的车轮扁疤定量识别研究

引用

机械 2024年第12期51卷 26-35页

作者：钱新宇谢清林陶功权西南交通大学轨道交通运载系统全国重点实验室四川成都6100311

包络谱分析中,包络时域信号和包络频谱均可有效提取车轮扁疤特征。为结合这两种数据形式的优势,以实现高效准确的车轮扁疤定量识别,提出一种基于时频信息融合驱动的车轮扁疤定量识别方法。首先,通过构建地铁车辆-轨道刚柔耦合动力学模... 详细信息

包络谱分析中,包络时域信号和包络频谱均可有效提取车轮扁疤特征。为结合这两种数据形式的优势,以实现高效准确的车轮扁疤定量识别,提出一种基于时频信息融合驱动的车轮扁疤定量识别方法。首先,通过构建地铁车辆-轨道刚柔耦合动力学模型获取车轮扁疤不同尺度工况下的轴箱振动响应。其次,对轴箱振动响应进行重叠采样和包络谱处理,制成两种不同数据形式的样本集。然后,对比两种不同模型架构下多输入卷积神经网络的识别准确度,着重研究最佳模型架构下多输入卷积神经网络模型的泛化性能和各部分样本集单独输入时的识别性能差异。结果表明:优化分析后模型的综合识别性能最佳,平均绝对百分比误差与拟合度R^(2)分别可达3.812%和0.990;处理随机未知数据时,相对误差不超过7.2%;虽然时效性有所下降,但仍满足在线监测时效性的需求。

关键词：车轮扁疤定量识别包络谱多输入卷积神经网络

来源：评论

学校读者我要写书评

暂无评论

基于非线性特征的通信辐射源个体识别相关技术的研究

基于非线性特征的通信辐射源个体识别相关技术的研究

引用

作者：王馨东南大学

学位级别：硕士

近年来,随着物联网技术的飞速发展,无线通信技术已经成为现代社会的重要组成部分。通信设备因元器件制作差异,可形成独一无二的射频指纹,辐射源个体识别技术可以通过提取通信信号中所包含的射频指纹,实现对不同通信辐射源的识别,为无线... 详细信息

近年来,随着物联网技术的飞速发展,无线通信技术已经成为现代社会的重要组成部分。通信设备因元器件制作差异,可形成独一无二的射频指纹,辐射源个体识别技术可以通过提取通信信号中所包含的射频指纹,实现对不同通信辐射源的识别,为无线网络安全提供有效保障。首先,论文对通信辐射源个体识别方法的研究现状进行了调研。对射频指纹相关原理进行了整理分析,重点研究了功率放大器的多种非线性模型,为本文的仿真实验建立了信号非线性多项式模型,并基于此对信号的非线性失真进行了分析。然后,对稳态信号非线性特征的射频指纹提取方法展开研究。分别对基于双谱,希尔伯特-黄变换和倒谱的信号特征提取方法进行了研究。针对信号双谱特征,提出了一种新的双谱积分降维方法以保留更多有利于特征识别的信息,并给出了一种基于折线积分双谱的非线性特征提取方法;针对信号希尔伯特-黄变换所得希尔伯特谱,沿时间轴积分降维获得边际谱,并给出了一种基于此边际谱的非线性特征提取方法;针对信号倒谱特征,分析了倒谱对信号非线性特征差异的放大作用,并给出了一种基于倒谱的非线性特征提取方法。之后,对可应用于辐射源个体识别的卷积神经网络结构进行了研究。在多特征联合识别情况下,提出了一种新的适用于辐射源个体识别的多输入卷积神经网络结构,并加入随机森林分类器对多特征单输入卷积神经网络结构进行改进。基于仿真信号的辐射源个体识别仿真实验结果表明,本文提出的折线积分双谱可以取得比已有的矩形积分双谱更好的识别效果;提出的多输入卷积神经网络能够以更少的网络参数量获得更优的特征识别效果,在信噪比为10d B时的识别准确率比单输入网络高5%左右;此外,对单输入卷积神经网络结构的改进方案,提高了单输入网络的识别准确率。最后,基于实测信号开展了细致的辐射源个体识别实验,验证了本文所提出的特征提取和识别方法的有效性。实测数据主要包括屏蔽箱内和室内采集以及室外盲采得到的无线通信信号。在单特征识别实验中,不同品牌手机相较于相同品牌的手机可以获得更高的特征识别准确率;当待识别的手机数量变化时,本文提出的折线积分双谱特征识别准确率均高于已有的矩形积分双谱;对于室外盲采信号,在手机数量较少时,各特征的识别准确率均可达到98%以上,在手机数量增加到10部时,识别准确率仍均可达到85%以上。在多特征联合识别实验中,结果表明,本文设计的多输入卷积神经网络以更少的网络参数量获得了更高的识别准确率;加入随机森林的单输入卷积神经网络结构可以提高网络的特征识别准确率;对于室外盲采信号,在手机数量较少时,各网络结构的识别准确率均可达99%以上,在手机数量增加到10部时,识别准确率仍均可达到91%以上。

关键词：通信辐射源识别非线性倒谱积分双谱多输入卷积神经网络

来源：评论

学校读者我要写书评

暂无评论

流场测量中基于深度学习的自适应光学技术

流场测量中基于深度学习的自适应光学技术

引用

作者：高泽宇中国科学院大学(中国科学院光电技术研究所)

学位级别：博士

基于成像的流体测量技术,如粒子图像测速技术(Particle Image Velocimetry,PIV),是一种对流体运动速度场的非接触、实时、定量且全局测量技术。被广泛应用于流体动力学研究及工业生产中,对于研究复杂流动现象具有重要的意义。然而,这种... 详细信息

基于成像的流体测量技术,如粒子图像测速技术(Particle Image Velocimetry,PIV),是一种对流体运动速度场的非接触、实时、定量且全局测量技术。被广泛应用于流体动力学研究及工业生产中,对于研究复杂流动现象具有重要的意义。然而,这种基于光学成像的测量技术,当流体介质中的折射率不均匀,或当测量光路中存在开放的气-液两相介质表面且存在随机晃动时,成像光路会因为折射率的变化而产生一定的波前畸变,使得成像造成畸变。这种光路中随机且动态变化的波前畸变使得PIV粒子图像上的粒子位置分布产生显著的误差(即几何畸变)且严重影响图像质量。而传统的PIV技术对流体运动场的测量是根据连续多帧PIV粒子图像上粒子的位移,通过互相关算法或光流算法,对测量区域内的流体运动场进行估计。所以PIV粒子图像的几何畸变和图像质量的退化会严重影响PIV的测量精度,使得测量结果不可信。自适应光学(Adaptive Optics,AO)技术,是一种校正光学系统中动态波前畸变的技术。传统的自适应光学系统通过波前传感器测量动态波前畸变,再通过电子系统计算控制信号,控制波前校正器件进行实时的波前校正,使得光学系统在受到波前畸变扰动时仍然保持良好的工作状态。为了对光学流场测量中的波前畸变进行实时校正,以提高在受到波前畸变扰动时的测量准确度和正确度,自适应光学技术被应用于流场测量的光学系统中。然而实际的实验结果与工程实践表明,光学流场测量中的波前畸变具有频率高,动态范围大,空间分辨率高等特点,对于这一应用场景,基于波前校正器件的传统自适应光学系统的校正性能受到了波前校正器器件本身性能的限制。本论文针对传统自适应光学在流场测量应用中所存在的限制和问题,以人工智能中的深度学习为基础,提出了无校正器件自适应光学技术的概念并应用于流场测量的波前畸变校正中。主要研究工作分为以下四个部分:1、对流场测量中的光学畸变模型进行了分析并提出了基于Hartmann-Shack波前传感器和空间分布式激光信标的波前测量方法。粒子图像测速系统的测量装置与测量目标处在不同的介质当中,而粒子图像测速系统需要通过气-液两相介质表面成像,相当于在流场测量的成像系统前增加了一个随机扰动的波面。论文首先对光路中的波前畸变和在图像上所造成的实际退化模型在理论上进行了推导,将可测量的波前畸变与图像的退化模型之间的关系进行了推导。根据推导得到的关系,提出了针对流场测量中气-液两相介质所引起的特殊波前畸变的测量方法,提出了空间分布式激光信标的概念,并对其测量原理进行物理模型推导,结合Hartmann-Shack波前传感器,提出了对此应用场景下波前畸变的测量方法。2、针对流场测量中晃动气-液两相介质表面所造成的波前畸变大动态范围特性,而传统Hartmann-Shack波前传感器动态范围受限的问题。建立了一套大动态范围的Hartmann-Shack波前测量算法。提出了基于图像分割的质心估计算法,即对光斑区域进行分割后进行质心计算,打破了传统质心算法中的子孔径范围限制,从整幅光斑阵列图中获得所有光斑的质心,同时还消除了噪声对质心估计的影响。提出了邻域搜索匹配算法以扩展动态范围,将光斑质心和标定坐标位置进行对应匹配。对所提出的大动态范围的Hartmann-Shack波前测量算法的性能进行分析,分别从质心估计误差、线性度、动态范围扩展量化性能及实验平台验证对算法的性能进行了评价。3、该部分为整个研究内容的核心,基于深度学习,提出了无波前校正器件自适应光学系统的新概念。根据需求,提出了多输入卷积神经网络结构AOPIVMIUN算法,首次将多输入卷积神经网络应用于图像回归问题。通过提出的网络结构,以Hartmann-Shack波前传感器得到的波前畸变信息作为额外输入,对粒子图像测速系统中的畸变图像进行了畸变校正。通过设计实验平台,生成了神经网络训练和测试所需要的数据集。以校正后粒子图像的校正效果和流场速度测量结果作为评价标准,对所建立神经网络的畸变校正性能进行了分析。所提出方法校正效果达到82%,优于传统闭环自适应光学系统性能77%。4、对PIV技术的流场分布估计算法和自适应光学校正以深度学习为平台进行融合,提出了可实现畸变校正功能的流体运动场估计算法。分别建立了两种不同的多输入卷积神经网络结构,以两帧畸变PIV粒子图像和测量得到的波前畸变信息作为输入,直接输出校正后的流场结果,根据输出的流场分布的分辨率,将网络结构分为稠密估计和稀疏估计两种,将流场测量和畸变校正同时融合在深度卷积神经网络中。基于PIV粒子图像生成模型,Hartmann-Shack波前传感器仿真模型、以及流场测量中图像畸变模型,建立了相应的数据集合成模型以生成训练数据集,最后从不同角度对算法性能进行了评价。本文围绕无波前校正器的新型自适应光学技术在光学

关键词：自适应光学深度学习流场测量波前测量多输入卷积神经网络

来源：评论

学校读者我要写书评

暂无评论

基于不完全图像的人脸识别和表情检测技术研究

基于不完全图像的人脸识别和表情检测技术研究

引用

作者：王安邦国防科技大学

学位级别：硕士

人工智能的发展已经被提升到国家战略高度,第三次工业革命的浪潮已经袭来。人工智能想要更好地与人打交道实现人机交互,亦或是帮助人类在医疗、公共安全、远程教育等领域实现更高智能化,在人脸识别和表情检测方面的研究尤为重要。2021... 详细信息

人工智能的发展已经被提升到国家战略高度,第三次工业革命的浪潮已经袭来。人工智能想要更好地与人打交道实现人机交互,亦或是帮助人类在医疗、公共安全、远程教育等领域实现更高智能化,在人脸识别和表情检测方面的研究尤为重要。2021年作为新冠病毒全球大流行之后的人类发展的元年,人们的社交距离普遍增大,佩戴口罩成为一道靓丽风景线。多种人脸遮挡的现实场景给相关识别任务的研究和发展带来了机遇和挑战,现实意义非凡。针对人脸遮挡场景存在的困难挑战,提出三个技术点:一是提出了一种人脸遮挡场景下的不完全图像处理框架。该框架主要针对不完全人脸图像在人脸识别和表情检测任务中的灾难性影响,总结了一套不完全人脸图像的处理流程。该流程在常规图像处理技术如直方图均衡化技术、梯度算子预处理技术、图像分割技术等基础上,先是运用神经网络模型对现有人脸数据集生成遮挡数据集,后再在遮挡数据集上利用机器学习算法中K近邻、决策树等四种回归算法模拟生成缺失人脸部分的图像,为后续识别检测任务提供输入数据。二是提出了基于主成分分析和卷积滤波器的人脸识别算法。该算法主要针对传统的特征脸方法对脸部局部敏感区域特征提取不足的缺点,设计卷积滤波器对图像进行预处理,增强脸部轮廓特征和重点区域特征的提取,使得重点区域的灰度信息被更多关注,从而提高识别的准确性。图像降维和预测分类主要运用核主成分分析算法和支持向量机的多分类投票算法,具有运算速度快且准确率较高的特点。在遮挡数据集和补全数据集上进行算法对比实验,验证了不完全图像人脸识别任务中“先补全再试别”思路的正确性。三是提出了基于特征融合多输入卷积神经网络的表情检测技术。该技术主要针对遮挡人脸图像中的遮挡物在表情识别任务上的负面影响,提出利用多输入卷积神经网络多输入特性,使多分类器耦合网络学习到更复杂的预测模型。采用局部特征级融合的方法,对图像进行特征抽取,将感兴趣区域的局部微特征作为多输入神经网络的多分支输入,减小不完全图像缺失部分的贡献率影响,提高表情检测的鲁棒性和准确性。在遮挡数据集和补全数据集上进行算法对比实验,证明多输入卷积神经网络表情检测技术在处理人脸遮挡场景下的不完全图像时,借助图像恢复技术具有显著优势。

关键词：不完全图像人脸识别表情检测多输入卷积神经网络

来源：评论

学校读者我要写书评

暂无评论

基于多模态融合的人脸反欺骗技术

引用

图学学报 2020年第5期41卷 750-756页

作者：穆大强李腾安徽大学电气工程与自动化学院安徽合肥230601

在先前的人脸反欺骗方法中大多使用手工提取的特征或者仅使用单一模态上的人脸特征,并且很少注意到多通道色度的差异,因此得到的人脸反欺骗模型的鲁棒性较差以至于无法有效地区分真假面孔。鉴于此,卷积神经网络(CNN)被用作特征提取器来... 详细信息

在先前的人脸反欺骗方法中大多使用手工提取的特征或者仅使用单一模态上的人脸特征,并且很少注意到多通道色度的差异,因此得到的人脸反欺骗模型的鲁棒性较差以至于无法有效地区分真假面孔。鉴于此,卷积神经网络(CNN)被用作特征提取器来代替手工特征的提取,并且一种有效的多输入CNN模型被提出,以融合多种模态上的人脸特征以实现更具有鲁棒性的人脸反欺骗。通过对人脸图像上的2个不同颜色特征(即HSV和YCbCr)以及时间特征进行联合建模,探索了人脸反欺骗的最佳鲁棒表示。在REPLAY_ATTACK和CASIA-FASD 2个基准数据集上进行的大量实验表明,该方法可实现最先进的性能。且在REPLAY_ATTACK上获得0.23%的错误率(ERR)与0.49%的半错误率(HTER)和在CASIA-FASD数据库上获得1.76%的错误率与3.05%的半错误率。

关键词：人脸反欺骗多模态特征多输入卷积神经网络模型鲁棒性融合

来源：评论

学校读者我要写书评

暂无评论

基于深度学习的肺结节分割与良恶性分类

基于深度学习的肺结节分割与良恶性分类

引用

作者：高扬河北师范大学

学位级别：硕士

计算机成像技术、人工智能的兴起,极大的提高了肺癌的自动诊断率。肺癌在病症早期基本无特殊症状或其症状极难被发现,且肺癌的临床诊断多为中晚期(Ⅲ-Ⅳ期),尽管接受标准化治疗,患者5年生存率仍低于5%,而肺癌早期患者若能得到及时治疗,... 详细信息

计算机成像技术、人工智能的兴起,极大的提高了肺癌的自动诊断率。肺癌在病症早期基本无特殊症状或其症状极难被发现,且肺癌的临床诊断多为中晚期(Ⅲ-Ⅳ期),尽管接受标准化治疗,患者5年生存率仍低于5%,而肺癌早期患者若能得到及时治疗,生存率可达到80%。肺癌在影像学中的早期表现多为肺结节,因此做到早发现、早诊断、早治疗对患者来说至关重要。与此同时,由于不同医生对于病理图像理解不同且诊疗经验间存在差异,放射科医生常通过经验分析病灶边界并进行判断,使得阅片结果带有一定主观性和不稳定性。随着肺部CT影像数据急剧增加,正常病例的全肺扫描将产生100-500张图像,若是进行大规模肺癌筛查,更需要从海量图像中筛查并判断,逐张读片不仅需要耗费大量时间与精力,且长时间观察极易阅片疲劳,从而产生错误判断。基于深度学习的肺结节计算机辅助诊断系统,可有效减少放射科医生工作量,提高诊断准确率。论文围绕基于深度学习的肺癌计算机辅助诊断关键技术展开研究,针对肺结节数据预处理,肺结节分割、肺结节良恶性分类中关键问题,提出了解决方案。现有肺结节诊断方法大多基于全肺扫描,在CT全图中分割结节,并在此基础上确定阳性结节对其分类。而此类方法缺乏对具体病变具体位置,即感兴趣区域(Region of interest,ROI)的理解,限制了分割方法与分类精确度。因此,针对在纹理和形状特征上,肺结节与其他非结节组织具有视觉相似性,导致算法在各类结节分割任务中表现不一且分类精度低问题,论文提出了基于多视图残差块网络的肺结节分割方法与基于多输入卷积神经网络的肺结节良恶性分类方法,主要工作与创新点如下:(1)选择数据并对其进行裁剪以符合算法输入需求,是肺结节计算机辅助诊断的关键。在不改变基础数据库Lung Image Database Consortium/Image Database Resource Initiative(LIDC-IDRI)前提下,为减少数据歧义性,对基础数据集进行裁剪和预处理,设计筛选规则,切片序列提取方式,获得适用于半自动分割方法,良恶性分类算法的训练、验证和测试数据。(2)论文针对各类型结节在肺部中形态不一,纹理不同,且视觉上部分类型结节与肺部组织极其相似,造成结节形状、纹理与组织难以区分导致分割不准确问题,提出了基于多视图残差块卷积神经网络的肺结节分割方法,适用于论文展示的各类型结节,并通过综合实验验证了该方法的性能。(3)提出了基于多输入卷积神经网络的肺结节良恶性分类方法。论文针对医学图像肺结节良恶性分类方法进行研究。由于肺结节大小不一、形状不同导致分类困难问题,利用前文得到的肺结节分割结果,设计肺结节多输入模块信息以方便网络提取肺结节边缘、纹理等特征,并将其应用于三个不同输入的子分支结构。提取并融合特征得到分类结果,最后通过综合实验验证模型性能。

关键词：肺结节分割计算机辅助诊断数据裁剪多视图残差块卷积神经网络多输入卷积神经网络

来源：评论

学校读者我要写书评

暂无评论

基于半监督GAN和多深度特征LSTM的物体硬度识别

基于半监督GAN和多深度特征LSTM的物体硬度识别

引用

作者：李二凯郑州轻工业大学

学位级别：硕士

物体硬度识别是触觉领域的重要任务之一,目的是使机械手能够有效辨别碰触物体的硬度等级,为机械手下一步的操作提供重要的参考信息。物体硬度识别在工业自动化、医疗机器人、特种机器人等应用方面具有重要意义。目前,基于深度学习的物... 详细信息

物体硬度识别是触觉领域的重要任务之一,目的是使机械手能够有效辨别碰触物体的硬度等级,为机械手下一步的操作提供重要的参考信息。物体硬度识别在工业自动化、医疗机器人、特种机器人等应用方面具有重要意义。目前,基于深度学习的物体硬度识别主要面临以下两个问题:(1)缺少大规模标注的硬度识别公开数据集,对基于深度学习的硬度识别精度形成制约;(2)缺少针对硬度识别任务进行优化设计的深度学习模型。针对上述两个问题,本文主要做了以下三方面的研究工作:1.针对缺少大规模标注的硬度识别公开数据集的问题,本文建立了一个小的硬度识别数据库,然后提出一种基于半监督生成式对抗网络(Generative Adversarial Nets,GAN)的方法对数据库样本进行自动扩充。首先,利用无标签的硬度识别样本对网络进行训练,得到无监督生成式对抗网络(Unsupervised Training Generative Adversarial Nets,USTGAN),再将USTGAN的参数作为全监督生成式对抗网络(Supervised Training Generative Adversarial Nets,STGAN)的初始参数,然后用少量带标注的样本STGAN进行微调,最后利用STGAN中的生成器来扩充带标注的硬度识别样本。2.为将大规模生成样本和少量人工标注样本进行有效融合以提升硬度识别的精度,本文提出一种基于网络结构和参数值共享的方法来构建硬度识别网络(Hardness Recognition Nets,HRN)。首先,将USTGAN的判别器作为HRN的主干网络并共享其参数,其次,根据任务需求对HRN的分类层进行重新设计,然后利用扩充的生成样本对HRN进行预训练,最后,用少量人工标注样本对网络进行微调,得到最终的HRN。3.面对当前缺少针对硬度识别任务进行优化设计深度学习模型的问题,本文提出了一种多输入卷积神经网络(Multi-Input Convolution Neural Nets,MICNN)和长短期记忆网络(Long Short-Term Memory,LSTM)相融合的模型。首先,从硬度识别数据阶段性变化的特点出发,将同一硬度识别数据按照不同时间尺度分别送入MICNN的子网络中,得到多个含有时间先后顺序的不同时间尺度的中间特征,再将这些中间特征依次送到LSTM中得到多个一维特征,将这些一维特征拼接后经过一个全连接操作后进行softmax分类得到最终的硬度等级。为了验证提出方法的有效性,本文在分类准确度、总体分类精度、运算时间、混淆矩阵和Kappa系数五类评价指标上分别对其定量评估,实验结果显示,经扩充样本预训练HRN的硬度识别效果和经大量人工标注样本训练HRN效果较接近,基于MICNNLSTM的硬度识别结果明显优于经大量人工标注样本训练HRN的硬度识别结果,表明了本文提出方法的有效性。

关键词：物体硬度识别标注样本扩充半监督生成式对抗网络多输入卷积神经网络长短期记忆网络

来源：评论

学校读者我要写书评

暂无评论

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案：

请选择收藏分类：

通借通还

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：