检索结果-内蒙古大学图书馆

作者：袁春女浙江大学

学位级别：博士

阴道镜辅助下子宫颈活检是诊断子宫颈癌及其癌前病变的金标准,但目前其准确率、敏感度和特异度在很大程度上随着临床医生的经验水平和患者的身体状况而波动,存在着很大的局限性。同时,我国目前需要接受阴道镜检查的患者数量与经验丰富... 详细信息

阴道镜辅助下子宫颈活检是诊断子宫颈癌及其癌前病变的金标准,但目前其准确率、敏感度和特异度在很大程度上随着临床医生的经验水平和患者的身体状况而波动,存在着很大的局限性。同时,我国目前需要接受阴道镜检查的患者数量与经验丰富的阴道镜医生的数量不匹配,导致患者需要经过很长的待诊期才能得到相应的检查和治疗。医学人工智能和计算机辅助诊断能利用影像学、医学图像处理技术以及其他可能的生理、生化手段,结合计算机的深度学习和分析计算,辅助发现病灶,提高诊断准确率,在医学影像领域获得了突破性进展。人工智能和阴道镜诊断的结合,也许能有效缓解目前宫颈癌筛查的压力,提高诊断的效率和准确率。本研究回顾性调查浙江大学医学院附属妇产科医院阴道镜室自2013年8月至2019年2月诊治的共22330份合格病例,收集其阴道镜图像(7.5倍放大倍数下拍摄)、年龄、人乳头瘤病毒检测结果、子宫颈细胞学结果、子宫颈转化区类型、阴道镜活检病理结果等临床信息。以病理结果作为金标准用Lableme软件对阴道镜图像中的病变部位进行标注,按训练集:测试集:验证集=8:1:1的比例将所有入组病例进行随机分配。预先使用Image net数据库中的百万张图片预训练出Rens net模型,再输入大量训练集中的阴道镜图像进行迁移学习,训练出多模态Resnet分类模型,u-net分割模型和Mask R-CNN检测模型,并计算验证集中该模型诊断及分割病变的准确率、敏感度、特异度、阳性预测值、阴性预测值、受试者工作特征曲线下面积、召回率、Dice指数等指标。同时,为了比较模型在普通阴道镜图像和高清阴道镜图像中的表现,本研究收集了浙江大学医学院附属妇产科医院阴道镜室2019年3月到2019年9月诊治的共5384份高清阴道镜图像病例作为独立样本再次验证上述三个模型的相关诊断指标,比较模型在不同类型的阴道镜图像中的适应性。除此之外,我们对五位来自浙江大学医学院附属妇产科医院的五位不同年资的阴道镜专家的阴道镜诊断、病理诊断、活检位点及每个活检位点对应的病理结果也进行了统计和分析。横向比较深度学习模型与临床不同年资的阴道镜专家的诊断能力。通过深度学习模型训练,Rensnet分类模型区分阴道镜图像是否有病变的整体准确率、敏感度、特异度分别为84.10%、85.38%和82.62%。ROC曲线下面积达到0.93。在此基础上,u-net分割模型在醋酸图像中分割出病变区域的召回率和Dice指数分别是84.73%和61.64%,整体准确率达95.59%。在碘图像中,召回率、Dice指数和整体准确率分别是:87.78%、63.80%和95.70%。除此之外,Mask R-CNN检测模型识别高级别鳞状上皮内病变的敏感度在醋酸图像和碘图像中分别达到了84.67%和84.75%。在高清阴道镜图像的独立样本验证中,分类模型表现比在普通阴道镜图像中稍差一些,区分是否有病变的敏感度、特异度和ROC曲线下面积分别是73.37%、58.16%和0.71。与阴道镜专家的诊断水平相比,模型诊断普通阴道镜图像的水平高于整体阴道镜专家的水平,诊断高清阴道镜图像的水平与年轻专家水平持平,比高年资专家水平稍差。分割模型和检测模型在两个数据库中的表现基本持平。在诊断决策所需时间上,临床医生诊断一个病例所需时间按分计算,而诊断模型从上传图像到输出结果总时间能控制在10秒以内,如果不计算图像上传的时间,模型进行诊断所需时间在1秒以内。本研究表明,基于深度学习的阴道镜诊断系统能较准确地区分正常和异常阴道镜图像,并能在此基础上分割出可疑病变的区域,指导HSIL区域活检。同时,计算机辅助诊断模型能够有效缓解当前阴道镜检查的压力,为分流患者、推荐活检部位提供了一种新思路。但是,模型在高清阴道镜图像中的诊断水平略低于在普通阴道镜图像中的诊断水平,还需要进一步提升优化。第一部分阴道镜下子宫颈鳞状上皮内病变的深度学习诊断系统的建立目的:回顾性收集大量临床阴道镜图像及相关临床资料,并进行预处理,为建立深度学习模型做好大数据的准备。在大数据集基础上,通过深度学习建立分类模型、分割模型和检测模型,形成一个完整的阴道镜人工智能辅助诊断系统。方法:回顾性调查浙江大学医学院附属妇产科医院阴道镜室自2013年8月至2018年3月所诊治的有病例,按照排除标准纳入合格病例后,收集其7.5倍镜下拍摄的阴道镜图像三张(生理盐水图像、醋酸图像、碘图像各一)、年龄、HPV检测结果、子宫颈细胞学结果、子宫颈转化区类型、阴道镜活检病理结果等临床信息。以病理结果作为金标准,用Labelme软件对阴道镜图像中的病变部位进行标注,并区分LSIL和HSIL。按训练集:测试集:验证集=8:1:1的比例将所有合格病例随机分配入组病例,最终以验证集的诊断结果作为模型的诊断结果。利用Image net数据库预训练

关键词：阴道镜鳞状上皮内病变深度学习计算机辅助诊断 Resnet模型 u-net模型 Mask R-CNN模型回顾性研究阴道镜鳞状上皮内病变深度学习计算机辅助诊断回顾性研究

来源：评论

学校读者我要写书评

暂无评论

基于全u网络的混凝土路面裂缝检测算法

引用

计算机科学 2021年第4期48卷 187-191页

作者：瞿中谢钇重庆邮电大学软件工程学院重庆400065

针对现有的混凝土裂缝检测算法在各种复杂环境中检测精度不够、鲁棒性不强的问题,根据深度学习理论和u-net模型,提出一种全u型网络的裂缝检测算法。首先,依照原u-net模型路线构建网络;然后,在每个池化层后都进行一次上采样,恢复其在池... 详细信息

针对现有的混凝土裂缝检测算法在各种复杂环境中检测精度不够、鲁棒性不强的问题,根据深度学习理论和u-net模型,提出一种全u型网络的裂缝检测算法。首先,依照原u-net模型路线构建网络;然后,在每个池化层后都进行一次上采样,恢复其在池化层之前的特征图规格,并将其与池化之前的卷积层进行融合,将融合之后的特征图作为新的融合层与原u-net网络上采样之后的网络层进行融合;最后,为了验证算法的有效性,在测试集中进行实验。结果表明,所提算法的平均精确率可达到83.48%,召回率为85.08%,F1为84.11%,相较于原u-net分别提升了1.48%,4.68%和3.29%,在复杂环境中也能提取完整裂缝,保证了裂缝检测的鲁棒性。

关键词：裂缝检测 u-net模型全u网络

来源：评论

学校读者我要写书评

暂无评论

皇甫川流域淤地坝对土壤有机碳固存的贡献

皇甫川流域淤地坝对土壤有机碳固存的贡献

引用

作者：张斌西北农林科技大学

学位级别：硕士

淤地坝是黄土高原地区沟道治理主要的水土保持措施,发挥着拦泥滞洪、蓄水保田、增产减沙的作用,在黄河流域生态保护和高质量发展重大国家战略的实施中具有重要地位。经过近70年的建设,黄土高原地区淤地坝数量剧增、且布局分散,目前对淤... 详细信息

淤地坝是黄土高原地区沟道治理主要的水土保持措施,发挥着拦泥滞洪、蓄水保田、增产减沙的作用,在黄河流域生态保护和高质量发展重大国家战略的实施中具有重要地位。经过近70年的建设,黄土高原地区淤地坝数量剧增、且布局分散,目前对淤地坝的监测紧紧局限于面积或者数量的清点、缺乏对淤地坝年际淤积速率、固碳效应的研究,致使淤地坝监测管理存在时效性不足,尤其是大区域尺度淤地坝淤积速率、固碳效应研究尚属空白。因此,如何借助新兴技术快速、有效、精确地实施黄土高原大区域尺度淤地坝淤积速率监测,同时厘清淤地坝建设带来的土壤固碳效应是本研究的关键科学问题。皇甫川流域位于黄河中游,属风水复合侵蚀区,大、中型淤地坝广泛分布。本文以皇甫川流域为研究区,利用合成孔径雷达遥感、多光谱遥感,结合u-net深度学习模型、差分合成孔径雷达干涉测量（Differential Interferometry Synthetic Aperture Rader,D-InSAR）方法和小基线集合成孔径雷达干涉测量（Small Baseline Subset Synthetic Aperture Rader,SBAS-InSAR）方法,首先实现基于多光谱数据、深度学习实施皇甫川淤地坝提取及空间分布研究;其次,利用合成孔径雷达遥感Sentinel 1数据,结合D-InSAR和SBAS-InSAR方法,实现大区域快速淤地坝淤积速率监测;最后结合野外采样数据构建淤地坝拦蓄泥沙量及有机碳固存量估算模型并进行精度验证,以期为黄土高原淤地坝的提取、淤地坝沉积泥沙量及有机碳贮存的计算提供科学方法。主要成果如下: （1）本研究利用u-net深度学习方法实现了皇甫川流域淤地坝空间信息提取。结果表明:皇甫川流域内存在淤地坝624个,筑坝密度为0.19座/km2,根据淤地坝淤地面积大小将淤地坝分为大型淤地坝、中型淤地坝和小型淤地坝三类,在皇甫川流域共有大型淤地坝80座,中型淤地坝227座,小型淤地坝317座,总淤地面积达到22.46 km2,占流域总面积的0.69%。在空间分布上,大中型淤地坝多分布于支沟主干道中,小型淤地坝大多分布于更低级的支流中,结合地貌类型来看,在极易发生侵蚀的砒砂岩地区淤地坝数量明显多于其他地区。整个流域十三条支沟淤地坝数量差异明显,其中十里长川、纳林川和皇甫川的淤地坝数量明显多于其他支沟,分别为152座、106座和93座;圪秋沟和布尔洞沟淤地坝数量最少,两条支沟都仅有9座淤地坝;其余支沟的淤地坝数量相差不大,在15～55座之间。（2）针对淤地坝沉积速率监测问题,本研究利用D-InSAR方法和SBAS-InSAR方法进行了皇甫川流域淤地坝泥沙沉积速率的监测。两种InSAR技术监测结果均表明:皇甫川流域由于水力和风力侵蚀,整个流域范围内都存在着微小形变,但最大沉降和抬升速率均在正常范围内,河道及其周边区域显示出了较为明显的侵蚀和沉积活动。通过对典型淤地坝忽沙兔骨干坝、特劳沟骨干坝、越家后沟2号中型坝、越家沟南沟中型坝和哈拉沟2号骨干坝的监测,发现各坝在不同年份存在不同程度的淤积现象,每年最大沉积量达到了24 mm,部分地区在有些年份可能并不发生淤积。与实测结果相比较,D-InSAR的测量值与实测值的中误差为6.3 mm,SBAS-InSAR的测量值与实测值的中误差为4.7 mm,SBAS-InSAR方法在沉积速率监测中表现出更高的准确性和可靠性,误差更小,更适合淤地坝沉积这种长期、慢速形变的监测。（3）皇甫川流域的淤地坝表现出了突出的涵养水源、拦蓄泥沙和固碳能力:皇甫川流域淤地坝的土壤含水量普遍较高,均值达到了26.05%,同一淤地坝土壤含水量随土层深度变化而变化,不同淤地坝的土壤含水量相差较大;皇甫川流域内淤地坝土壤容重均值为1.31 g/cm3,各淤地坝之间、淤地坝剖面上差异不显著;皇甫川流域土壤有机碳含量差异不显著,均值为2.50 g/kg。在2018～2022年间,皇甫川流域淤地坝共拦蓄泥沙38.18万t,年均拦蓄泥沙7.64万t,共储存土壤有机碳954.45 Mg,年均储存量达到了190.89 Mg。本文以皇甫川为研究区,首先利用u-net深度学习模型提取皇甫川淤地坝的淤地面积,然后利用InSAR技术对皇甫川流域淤地坝泥沙沉积速率进行监测,最后通过室内化验分析淤地坝内沉积泥沙土壤含水量、土壤容重和土壤有机碳含量。通过以上研究定量获取皇甫川流域淤地坝拦沙量及有机碳固存量,研究结果将为黄土高原淤地坝特征信息提取、淤地坝沉积速率监测及拦沙量与有机碳固存量的计算提供科学方法。

关键词：皇甫川流域淤地坝土壤有机碳合成孔径雷达干涉测量 u-net模型

来源：评论

学校读者我要写书评

暂无评论

基于Sentinel-1 SAR数据的极地冰川冰裂隙探测方法及应用研究

基于Sentinel-1 SAR数据的极地冰川冰裂隙探测方法及应用研究

引用

作者：赵京京中国科学院大学(中国科学院空天信息创新研究院)

学位级别：硕士

在全球气候变化背景下,极地冰盖正发生着巨大的变化,通过研究冰盖表面特征可以帮助人类研究气候变化科学,应对气候灾害等问题。冰裂隙作为冰川表面重要的结构,几乎在所有冰川、冰盖和冰架中都很常见,是冰川内应力的外在表现,是评估冰川... 详细信息

在全球气候变化背景下,极地冰盖正发生着巨大的变化,通过研究冰盖表面特征可以帮助人类研究气候变化科学,应对气候灾害等问题。冰裂隙作为冰川表面重要的结构,几乎在所有冰川、冰盖和冰架中都很常见,是冰川内应力的外在表现,是评估冰川稳定性,量化物质损失的重要指标。同时,冰裂隙也是冰川表面水文过程的基本水文单元,影响冰面融水输送的效率和方式,是反映冰川物质平衡的重要指标。目前针对于冰裂隙研究探测精度有待提高,缺乏定量化统计分析,对南北极冰裂隙特征及差异缺乏认识。本论文基于具有穿透能力强,观测范围广的Sentinel-1 SAR数据,利用深度学习的方法实现南北极典型冰架/冰川冰裂隙的自动化探测提取。对南北极典型冰盖/冰川表面的冰裂隙进行特征统计分析,主要包括裂隙长度、密度和类型特征,探究南北极冰裂隙分布及特征的差异。分析研究南北极典型冰川裂隙对冰川表面消融的影响异同,进一步分析裂隙特征对表面消融的机制。结果表明,应用u-net网络进行冰裂隙探测提取,可实现良好的精度结果。在南极冰裂隙探测平均精确度为81%,召回率为73%,F1值为76%,准确率为84%,在格陵兰平均精确度为85%,召回率为86%,F1值为86%,准确率为86%。南极典型区域冰裂表现为长而稀疏的,类型较为丰富。格陵兰典型区域冰裂隙为短而密集的,类型较为单一。南极各典型区域冰裂隙长度、密度和类型特征差异较大,格陵兰则差异较小。此外,研究了冰流速与冰裂隙密度的关系,结果证明高冰面流速的冰川表面裂隙密度大,冰面流速不同可能会形成不同裂隙类型。考虑冰厚度对冰裂隙传播导致崩解过程中的重要作用,冰川厚度较薄的区域更容易发生密集裂隙。在区域小尺度条件下,裂隙的存在会显著增强冰川表面消融过程,使得裂隙区域比非裂隙区域更早开始出现消融。裂隙密度越大,对冰川表面消融情况影响更为剧烈。同时,裂隙作为冰川表面水文过程的重要单元承担着输送表面融水的角色,不仅使得裂隙周围的消融面积呈现离散化形态,而且可能成为冰川表面融水输送的终点。

关键词：南极格陵兰 Sentinel-1 SAR数据 u-net模型冰裂隙

来源：评论

学校读者我要写书评

暂无评论

基于图像识别的土壤剖面发生层划分研究

基于图像识别的土壤剖面发生层划分研究

引用

作者：杨凯西南大学

学位级别：硕士

土壤学始于对土壤剖面及其形态特征的观察,土壤剖面形态特征是土壤形成过程的直观表现,也是野外调查获得的第一手资料。土壤在形成过程中所形成的具有特定性质和组成的、大致与地面相平行的,并具有成土过程的层次称为发生层。发生层的... 详细信息

土壤学始于对土壤剖面及其形态特征的观察,土壤剖面形态特征是土壤形成过程的直观表现,也是野外调查获得的第一手资料。土壤在形成过程中所形成的具有特定性质和组成的、大致与地面相平行的,并具有成土过程的层次称为发生层。发生层的划分与发生层边界特征的描述是土壤调查的基础。传统的依靠专家实地划分发生层需要丰富的土壤学实践经验,存在主观和缺乏统一划分标准的问题。依靠专业设备来测量土壤的理化性状或者光谱特征,实现对土壤剖面的发生层的识别与划分,需要在实验室里实施且操作复杂繁琐,所涉及到的实验仪器昂贵、不能快速出结果,不适合在田间地头劳作的农业人员使用。当前,数码相机已成为野外土壤调查必不可少的拍摄工具,数码相机拍摄的剖面图像包含了很多详细信息,如颜色和纹理,利用些信息并结合图像识别技术可以实现对土壤剖面发生层的识别与划分。为此,采用两种不同的图像识别技术（基于K-means聚类的图像识别技术和基于深度学习的图像识别技术）,对土壤剖面的发生层及其边界特征进行识别与划分,并与实地的发生层识别与划分结果进行对比分析,得出的主要结论如下: （1）依据实地划分的结果,供试土壤个体分别归属5个土纲、8个亚纲、12个土类以及19个亚类,覆盖了重庆市境内的所有土纲、亚纲和土类。母质主要为河流冲积物和砂岩、泥岩等的风化残坡积物。依据美国制土壤质地分类,供试土壤剖面各发生层质地可划分到粉壤土、粉质黏壤土、粉质黏土、黏壤土、黏土、壤土、壤质砂土、砂质黏壤土和砂质壤土9个质地类型。各剖面层次结构主要以块状、粒状以及二者混合为主。根据土壤标准色卡对土壤干态和润态时的颜色进行测定,供试土壤剖面的色调除P016和P022剖面以外,干态和润态之间没有变化,范围从2.5Y10RP都有涉及;干态明度与润态明度的范围都在3～7之间,干态明度与润态明度相比,大多数剖面都发生了变化;干态彩度值的范围在1～6之间,润态彩度值的范围在1～8之间,干态彩度与润态彩度相比,大多数剖面都没有发生变化L值的范围为15～66,a值的范围为-1～30,b的范围为-2～37,Entropy的范围为3～6。供试土壤的土地厚度介于24cm125cm之间,以140cm左右为主,大多数剖面土地厚度都在80cm以上;供试土壤剖面发生层的过渡形状有平滑、波状和不规则三种类型,没有间断类型的过渡形状;明显度包括突变、清晰、渐变和模糊四种类型;大多数发生层之间的过渡形状都为平滑,部分为波状,大多数发生层之间的明显度清晰、渐变和模糊。（2）在本文29个剖面中,利用a、b通道能够区分主要的发生层（A、B、C）和基岩层（R）。大多数发生层之间纹理均会发生变化,且A层纹理熵值高于B层,这可能是因为A层土壤含有较多的根系,并且由于耕作等原因导致孔隙较多,由此导致A层与B层之间纹理的差异。基于肘部法确定的发生层数量基本都要小于实地划分的发生层数量,K-means聚类和图像分割可以识别出主要的发生层,但进一步识别（如区分出Br1和Br2）则很难实现。各个发生层的聚类纯度在0.22～0.99之间,平均纯度为0.78。聚类识别的发生层平均厚度为27.67 cm,略高于实地识别的发生层平均厚度。本研究认为当聚类识别的发生层深度与实地划分的发生层下边界深度相差不超过3cm时,识别结果是准确的,准确率为86.36%。聚类使得发生层之间的边界更加清晰和直观,同时,聚类识别出的发生层轮廓更加的精细和不规则,更详细地反映了土壤属性的局部变异。（3）选取了141张土壤剖面图像,采用open CV库对图像进行数据增强,采用u-net模型,训练500次。u-net语义分割模型能够对土壤剖面发生层进行分割,对A层、C层和R层的分割效果较好,B层的分割效果次之。Dice Loss函数降至收敛时A类损失值最小,为0.18,表现最好,C类次之;B类收敛损失值略高于A类和C类;无论是整体而言还是分类看,模型训练的准确率、精确度和召回率都能达到0.8左右。A层由于其腐殖质含量较高且植物根系较多,在图像上则表现为颜色较深,纹理较大,这使得A层在模型训练中表现最好,最容易被正确识别;B层在土壤剖面中一般厚度最大,类型较多,且在不同类型的土壤中变化不一样,导致了B层在模型训练中的表现不好;C类包含了C层和R层,质地较为紧实或者R层为基岩,与相邻发生层之间的差异较为明显,因此在模型训练中表现较好,损失函数收敛值也较小,略高于A层。采用重庆市境内的141个土壤剖面照片,使用两种不同的图像识别技术进行发生层的识别,验证了图像识别技术在发生层识别与划分中的可行性。传统的图像识别和基于深度学习的图像均能实现对土壤剖面主要发生层的识别与划分,可为土壤剖面智能辨识系统的开发提供科学参考,为土壤剖面调查提供新思路。

关键词：土壤剖面发生层 K-means聚类 u-net模型图像分割

来源：评论

学校读者我要写书评

暂无评论

基于深度学习的高反光金属工件表面缺陷检测研究

基于深度学习的高反光金属工件表面缺陷检测研究

引用

作者：龚肖杰华北理工大学

学位级别：硕士

金属工件表面缺陷不仅影响产品的寿命,而且可能危及使用者的安全,因此对于金属工件表面缺陷的检测至关重要。传统的机器视觉技术对于工件表面缺陷检测的场景有限,检测范围单一,对于高反光金属工件表面缺陷的检测精度低。为解决高反光金... 详细信息

金属工件表面缺陷不仅影响产品的寿命,而且可能危及使用者的安全,因此对于金属工件表面缺陷的检测至关重要。传统的机器视觉技术对于工件表面缺陷检测的场景有限,检测范围单一,对于高反光金属工件表面缺陷的检测精度低。为解决高反光金属工件表面缺陷检测精度低的问题,主要从目标检测和图像分割两个方面展开研究,并借助图像采集和图像处理方法减少反光,提高检测精度,主要研究工作如下: 1)针对金属工件表面缺陷识别精度低的问题,提出一种改进的YOLOv5网络的识别方法。该方法在YOLOv5网络的基础上,将通道注意力机制嵌入网络中,同时用软池化作为空间金字塔池化模块中的池化方式,并采用Ghost卷积代替主干网络中的常规卷积。改进后的网络平均精度均值达到0.9978,该方法实现了金属工件表面缺陷的精确识别。 2)针对金属工件表面缺陷图像分割精度低的问题,提出一种改进的u-net网络的分割方法。该方法在u-net网络的基础上,将卷积注意力机制融入网络中,采用深度超参数化卷积替换网络左侧中传统卷积,同时采用Leaky Re Lu函数替换网络中部分Re Lu函数。改进后的分割网络平均交并比、准确率和Dice系数指标分别达到0.8335、0.9332、0.8674,该方法实现了金属工件表面缺陷的精确分割。 3)针对反光容易干扰缺陷检测的问题,从图像采集和图像处理两个方面采取措施减弱反光的影响。通过分析图像采集装置特点和不同光源、不同照明方式成像特点,选择适合的采集装置和照明方式,并通过光照不均匀的算法处理图像,减弱了反光对缺陷检测的影响。图30幅;表6个;参60篇。

关键词：缺陷检测 YOLOv5模型 u-net模型图像处理

来源：评论

学校读者我要写书评

暂无评论

基于深度学习的图像分割算法研究

基于深度学习的图像分割算法研究

引用

作者：岳昱超山东理工大学

学位级别：硕士

医学图像分割在计算机视觉领域中影响深远,在病理学研究和临床诊断、治疗中具有广泛的应用。传统的手动分割方法由专家完成,耗时且容易受主观因素影响。因此,利用计算机辅助医生进行图像分割已成为不可避免的趋势。该技术可以帮助医师... 详细信息

医学图像分割在计算机视觉领域中影响深远,在病理学研究和临床诊断、治疗中具有广泛的应用。传统的手动分割方法由专家完成,耗时且容易受主观因素影响。因此,利用计算机辅助医生进行图像分割已成为不可避免的趋势。该技术可以帮助医师更好地了解被诊断的器官或组织,从而提高诊断的效率与准确度。但是,由于影像模态的多样化以及病人个体的个体差异,医学影像的分割依旧面临很大的挑战。在第一章中,综述了国内外在该领域的研究现状和深度学习相关技术。分析了当前医学图像分割任务存在的问题,并给出了本文的主要研究内容和大致思路。第二章中介绍了深度学习的发展过程,包括深度学习相关的理论知识、常见的激活函数、损失函数和评价指标。其次,详细介绍了卷积神经网络的各个组成部分及其工作原理,以及介绍了经典的卷积神经网络。为后续的医学图像分割网络的介绍奠定了基础。在第三章中,提出了一种基于u-net改进的CADCnet分割网络(Continuous Asymmetric Dilation Convolution network)。该方法在原始u-net的基础上提出了以下改进措施以提高网络的分割能力和对图像细节区域的分割效果:在编码器上引入ACnet模块代替传统的双卷积模块,通过利用垂直、水平和方形卷积提取不同尺度的特征并将其融合,以获取更丰富的特征表示;在下采样过程中引入连续膨胀卷积模块,扩大了感受野,进一步增强了对细小血管的分割能力。在第四章中,在第三章的基础上提出了一种名为ISM-net的分割型网络。该网络通过将u-net中的原始卷积块替换为IN-Conv模块,从不同大小的感受野中提取关键特征,提高了特征提取的质量和效率。此外,在编码部分和解码部分中间的连接处引入了混合池化模块(MPM),有助于捕捉不同位置间的短距离和长距离依赖关系,获取多样上下文信息,从而增强了模型的通用性和适应性。最后,引入了多尺度注意力机制,使模型能够聚焦于关键信息,更好地学习数据间的关联。

关键词：视网膜血管分割连续膨胀卷积深度学习 u-net模型

来源：评论

学校读者我要写书评

暂无评论

基于反卷积网络的高空间分辨率遥感影像道路提取

基于反卷积网络的高空间分辨率遥感影像道路提取

引用

作者：洪昭立中国地质大学(北京)

学位级别：硕士

道路是城市以及地区发展的重要影响因素,对城市的建设以及乡村的振兴起到了关键的作用。但是,传统的道路检测方式主要是通过专业的测绘人员进行野外测绘完成,这种人工的道路检测方式都涉及大量的人力、物力、财力,并且效率低下,道路信... 详细信息

道路是城市以及地区发展的重要影响因素,对城市的建设以及乡村的振兴起到了关键的作用。但是,传统的道路检测方式主要是通过专业的测绘人员进行野外测绘完成,这种人工的道路检测方式都涉及大量的人力、物力、财力,并且效率低下,道路信息更新较慢。与此同时,随着国内外遥感技术的快速发展,高空间分辨率遥感影像也被广泛地应用于道路信息的提取。然而高空间分辨率遥感影像通常具有复杂的地物信息,从中准确且完整地提取出道路网信息具有一定的艰巨性。高空间分辨率遥感影像道路信息提取的研究由来已久,但是这些方法仅考虑到道路的像素或者局部信息,缺乏对遥感影像中多层级多尺度的语义信息的分析,因此提取出的道路网信息不完整且破碎。针对以上问题,本文分别提出了利用u-net模型和(Richer Convolution Feature)RCF模型对高空间分辨率遥感影像上的道路信息进行提取,以实现更加连续且精确的道路网提取。对高空间分辨率遥感影像的处理和数据增强,生成符合网络训练和测试的高空间分辨率遥感影像道路样本集。本文所利用的u-net模型和RCF模型具有以下几个方面的优势:(1)u-net模型是一个编码-解码的结构,下采样的过程是一个编码器的编码过程,通过卷积层提取影像特征。上采样的过程是一个解码器的解码过程,将影像的位置信息进行还原。同时u-net模型的隐藏层具有较多的特征维数,有利于模型学习到更加多样和全面的特征信息。(2)RCF模型充分利用了每个卷积层学习到道路信息,并对其进行完整的侧边输出,将侧边输出的特征信息进行融合。侧边输出网络结构实现了多尺度和多级别道路语义特征的提取和融合,以充分利用从低层到高层的信息。(3)RCF模型能在网络学习过程中受到人工标注道路样本影像的深层监督。利用人工标注影像对每一阶段卷积层学习到的道路特征进行反馈和调参,以学习到最理想的道路特征参数,提高道路信息的提取精度。与基于像素卷积神经网络和超像素卷积神经网络进行对比分析,定性的结果证明了本文所提出的道路提取模型具有更好的道路提取效果。同时在定量分析方面,u-net模型和RCF模型的F1-score指标分别表现出88.9%、91.5%的高分。

关键词：高空间分辨率遥感影像 u-net模型 RCF模型道路检测

来源：评论

学校读者我要写书评

暂无评论

基于自编码器的心电异常检测方法

基于自编码器的心电异常检测方法

引用

作者：牛静中国医科大学

学位级别：硕士

目的:随着心血管疾病的发生率逐年上升,预防和诊断心血管疾病迫在眉睫。对于仅仅依靠医生对心电信号做出诊断,效率非常低下且具有挑战性,因此家庭便携式监护仪越来越普遍。基于便携式监护仪能够在家庭中实现心电信号的异常检测与分类,... 详细信息

目的:随着心血管疾病的发生率逐年上升,预防和诊断心血管疾病迫在眉睫。对于仅仅依靠医生对心电信号做出诊断,效率非常低下且具有挑战性,因此家庭便携式监护仪越来越普遍。基于便携式监护仪能够在家庭中实现心电信号的异常检测与分类,本文提出了引入跳连接的卷积自编码器算法,和基于注意力机制的多尺度卷积分类网络。自编码器利用重构误差与阈值的大小关系对模型没有学习过的心电信号数据类型做出异常判决,以告知使用者异常情况的发生;而对于模型学习过的心电信号类型,分类模型会指出具体的心电心拍类型,使患者在家就能够知道自己的患病情况。将心电异常检测与分类模型应用于家庭便携式心电监护仪上时,患者发现状况可以及时到医院就诊,从而能够降低心脏疾病的发生率,为医生提供临床诊断依据。方法:本研究分为异常检测与分类两部分。异常检测部分在卷积自编码器的基础上加入skip connection结构,利用输入数据与重构数据之间的误差与阈值的大小关系来检测异常心电心拍,重构误差大于阈值判定为异常心电心拍。在排除异常心电心拍之后,异常检测网络学习过的心电数据会接着进入加入混合注意力机制的多尺度卷积分类网络,实现四种心电心拍的分类。本文对MIT-BIH心律失常数据库,进行小波去噪、心拍截取、归一化等预处理,选取正常类(N)、右束支传导阻滞(R)、左束支传导阻滞(L)、房性早搏(A)作为训练集进行模型的训练,将室性早搏(V)视为异常心电数据,在测试阶段将其做异常检测;N、A、R、L四类心电数据,进入多分类模型进行分类。结果:异常检测模型,在激活函数的选择、跳连接的方式上进行组合实验,提出的SCCAE模型在性能上都有所提升,准确率为94.16%,精确率为94.32%,召回率为95.81%,F1值为95.06%,实现了较高的异常检测分类结果。对于MACNN分类模型,在预实验阶段发现,CBAM比SAM、CAM在ECG信号分类上效果更佳。接下来使用MACNN与经典网络CNN、VGG16、Res net18做对比实验,发现该模型的分类效果最好,准确率为98.45%,精确率为97.99%,召回率为98.77%,F1值为98.38%,相比于其他网络,在准确率、精确率、F1值等都有了一定的提升。在异常检测和四分类之后,将异常检测的预测值与四分类的预测值进行合并,计算级联后的各个指标。结果表明,异常检测模型与多分类模型进行结合整体上可以达到不错的分类效果。结论:本文针对心电信号提出异常检测模型与分类模型,实现异常心电心拍的检测以及已知心电心拍的分类。将异常检测模型与分类模型应用到便携式心电监护仪中,人们在家即可利用设备对心电信号进行检测,这对协助医生做出临床诊断,提高临床诊断效率具有积极意义。

关键词：异常检测自编码器 u-net模型注意力机制

来源：评论

学校读者我要写书评

暂无评论

基于Landsat8 OLI遥感影像的塑料大棚提取研究

基于Landsat8 OLI遥感影像的塑料大棚提取研究

引用

作者：吉莉江苏师范大学

学位级别：硕士

塑料栽培具有保温、保湿和保土等作用,可以有效提高农作物产量和质量,因此得到了广泛的应用。全球范围内的塑料栽培(主要包括温室、高低小拱棚和塑料地膜)每年以20%的速度快速扩张,2017年塑料栽培全球范围已经达到2022万公顷。然而,随... 详细信息

塑料栽培具有保温、保湿和保土等作用,可以有效提高农作物产量和质量,因此得到了广泛的应用。全球范围内的塑料栽培(主要包括温室、高低小拱棚和塑料地膜)每年以20%的速度快速扩张,2017年塑料栽培全球范围已经达到2022万公顷。然而,随着塑料农膜的广泛使用也带来了许多问题如环境污染等。因此需要快速准确的获取塑料栽培用地及其分布信息并对其进行监测,从而为农业管理、环境保护等问题提供决策依据。目前,利用遥感手段对塑料栽培的提取研究主要集中在塑料栽培大面积密集分布,地物类别单一的农业发达地区。对于零散分布、地类复杂地区的塑料栽培提取仍然存在着巨大的挑战。此外,目前已有的对塑料栽培的提取研究大多利用高分辨遥感影像,具有研究区面积小、算法不适用于大面积区域提取等特点。基于此,论文尝试利用中等分辨率遥感影像提取地类复杂地区的塑料大棚。本研究选取江苏省徐州市作为研究区,以Landsat 8 OLI遥感影像为数据源对徐州市的塑料大棚进行提取。本文尝试分别用面向对象法和深度学习算法提取塑料大棚,并比较两种方法优劣,选取精度较高的方法对徐州市2014～2018年的塑料大棚进行提取并进行时空分布变化分析。主要研究工作如下:(1)针对Landsat 8 OLI影像7个波段信息,通过分析塑料大棚与其他地类的光谱曲线,采用面向对象的方法提取徐州市的塑料大棚。利用地物的光谱特征和几何特征等信息,通过创建判别特征建立阈值模型对塑料大棚进行提取。首先对影像进行预处理包括辐射校正、FLAASH大气校正和影像裁剪,然后分析塑料大棚与其他地类的光谱差异,建立5个判别特征分别为Brightness、Band NIR、PGHI、CSBI、PMLI;再根据塑料大棚的几何特征建立Shape Index和Shape Index1指数。Brightness用来剔除植被、暗水体和暗建筑;Band NIR用来剔除亮水体;PGHI用以剔除裸地和白亮建筑;PMLI用以剔除地膜。利用这5个判别特征提取塑料大棚,为了优化分类结果又利用几何特征Shape Index和Shape Index 1剔除不规则对象。根据以上7个特征建立阈值模型,对2014年徐州市塑料大棚进行提取,总体精度达到95%以上。(2)深度学习是作为图像识别的一门新兴技术,可自动学习图像特征进行影像分类,本文研究了深度学习中适用于小样本分类的u-net模型,并尝试提取塑料大棚。针对Landsat 8 OLI影像特点对u-net模型进行改进,以能够输入任意尺寸的多波段遥感影像;借助高分辨率遥感影像,制作2014年Landsat 8 OLI影像的真实地表标签,标签类别为2类分别为塑料大棚和其他;针对影像分辨率低以及样本不足的特点,将影像裁剪成32×32尺寸大小的图片,共获得19800张图片;任意选取13860张图片作为训练样本,3960张图片作为验证样本,1960张图片作为测试样本,并对样本进行数据归一化、数据增强操作以提高样本质量。在基于Tensor Flow框架下利用样本训练改进的u-net模型,并利用模型对测试集中的塑料大棚进行提取,总体精度达到86%。(3)比较两种方法,发现面向对象法提取精度优于深度学习法。选取面向对象法对2014～2018年徐州市塑料大棚进行提取,并借助高分辨率影像对提取结果进行修改、校正,以得到真实、精确的塑料大棚时空分布图。利用修正后的结果对2014～2018年徐州市塑料大棚进行时空分布变化分析。分析发现,受厄尔尼若事件的影响,2015和2016年较2014年减少了许多零散分布的塑料大棚;2017和2018年塑料大棚均同比上年增加,增加的塑料大棚主要分布在沛县、主城区西北、睢宁和新沂东部,这使塑料大棚分布越来越密集。这种变化可能受土地流转制度的影响,越来越多的农户将土地流转给专业公司管理,而使得密集塑料大棚的增加、零散分布的塑料大棚减少。

关键词：塑料大棚 Landsat影像面向对象复杂地表 u-net模型时空分布

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：