检索结果-南通市图书馆

Mixed-decomposed convolutional network:A lightweight yet efficient convolutional neural network for ocular disease recognition

引用

CAAI Transactions on Intelligence Technology 2024年第2期9卷 319-332页

作者： xiaoqing Zhang xiao Wu zunjie xiao Lingxi Hu Zhongxi Qiu Qingyang Sun Risa Higashita Jiang Liu Research Institute of Trustworthy Autonomous Systems and Department of Computer Science and Engineering Southern University of Science and TechnologyShenzhenChina Tomey Corporation NagoyaJapan Guangdong Provincial Key Laboratory of Brain‐inspired Intelligent Computation Department of Computer Science and EngineeringSouthern University of Science and TechnologyShenzhenChina Singapore Eye Research Institute SingaporeSingapore

Eye health has become a global health concern and attracted broad attention.Over the years,researchers have proposed many state-of-the-art convolutional neural networks(CNNs)to assist ophthalmologists in diagnosing ocular diseases efficiently and precisely.However,most existing methods were dedicated to constructing sophisticated CNNs,inevitably ignoring the trade-off between performance and model complexity.To alleviate this paradox,this paper proposes a lightweight yet efficient network architecture,mixeddecomposed convolutional network(MDNet),to recognise ocular diseases.In MDNet,we introduce a novel mixed-decomposed depthwise convolution method,which takes advantage of depthwise convolution and depthwise dilated convolution operations to capture low-resolution and high-resolution patterns by using fewer computations and fewer parameters.We conduct extensive experiments on the clinical anterior segment optical coherence tomography(AS-OCT),LAG,University of California San Diego,and CIFAR-100 datasets.The results show our MDNet achieves a better trade-off between the performance and model complexity than efficient CNNs including MobileNets and MixNets.Specifically,our MDNet outperforms MobileNets by 2.5%of accuracy by using 22%fewer parameters and 30%fewer computations on the AS-OCT dataset.

关键词： artificial intelligence deep learning deep neural networks image analysis image classification medical applications medical image processing

来源：

维普期刊数据库评论

在线全文

维普期刊数据库

学校读者我要写书评

暂无评论

面向白内障识别的临床特征校准注意力网络

引用

计算机工程与应用 2024年第3期60卷 321-330页

作者：章晓庆肖尊杰赵宇航巫晓东田理沙刘江南方科技大学计算机科学与工程系广东深圳518055 南方科技大学斯发基斯可信自主系统研究院广东深圳518055 Tomey公司日本名古屋451005 南方科技大学广东省类脑智能计算重点实验室广东深圳518055

近年来,卷积神经网络(convolutional neural network,CNN)模型已经被广泛用于年龄相关性白内障自动分类任务,然而,鲜有研究工作将年龄相关性白内障的临床先验知识注入卷积神经网络架构设计中,以此来提高年龄相关性白内障的分类效果和改... 详细信息

近年来,卷积神经网络(convolutional neural network,CNN)模型已经被广泛用于年龄相关性白内障自动分类任务,然而,鲜有研究工作将年龄相关性白内障的临床先验知识注入卷积神经网络架构设计中,以此来提高年龄相关性白内障的分类效果和改善模型决策过程的可解释性。提出了一种临床特征校准注意力网络(clinical feature recalibration attention network,CFANet)模型用于自动识别年龄相关性白内障严重级别。在CFANet中,设计了一个简单且有效的临床特征校准注意力模块(clinical feature recalibration attention block,CFA),其不仅能对不同临床特征类型进行自适应地加权融合,还通过门控操作符来突出重要通道和抑制不重要通道。在一个核性白内障的眼前节光学相干断层成像影像(anterior segment optical coherence tomography,AS-OCT)数据集和一个公开眼科影像数据集上进行了充分实验,实验结果表明,相较于squeeze-and-excitation network(SENet)、efficient channel network(ECANet)、style-based recalibration module(SRM),CFANet在AS-OCT数据集上的分类准确率至少提升了3.54个百分点,同时在公开的眼科影像数据集上的分类结果比先进的神经网络模型和已发表的研究工作提升了1个百分点以上。此外,还通过可视化方法分析临床特征的权重分布和通道的注意力权重分布来提高该文模型决策过程的可解释性。

关键词：年龄相关性白内障分类眼前节光学相干断层成像临床特征校准注意力模块可解释性卷积神经网络可视化

来源：

维普期刊数据库

同方期刊数据库评论

在线全文

学校读者我要写书评

暂无评论

Sc对铸造Al-Li合金组织演变及力学性能的影响

引用

特种铸造及有色合金 2024年第1期44卷 74-79页

作者：胡奎深邹鹑鸣孙少波肖瑞王宏伟魏尊杰哈尔滨工业大学金属精密热加工国家级重点实验室哈尔滨150006 北京航星机器制造有限公司北京100006

研究了Sc合金化对铸造Al-Li-Cu-Mg合金组织演变和力学性能的影响。结果表明,添加0.2%的Sc对合金晶粒细化效果显著,同时Sc合金化还会促进时效态合金基体中核/壳状复合结构粒子的析出。在室温及200℃下拉伸时,含Sc合金显示出更优异的强塑... 详细信息

研究了Sc合金化对铸造Al-Li-Cu-Mg合金组织演变和力学性能的影响。结果表明,添加0.2%的Sc对合金晶粒细化效果显著,同时Sc合金化还会促进时效态合金基体中核/壳状复合结构粒子的析出。在室温及200℃下拉伸时,含Sc合金显示出更优异的强塑匹配性,这归因于细化强化和沉淀强化(δ′-Al3Li相及核/壳状复合结构粒子)的综合作用;当拉伸试验温度升高至300℃时,晶界弱化效应使含Sc合金的强度急剧下降而伸长率显著提升。断口形貌观察发现,基准合金室温的断裂模式为准解理断裂,温度对合金的断裂模式无显著影响;含Sc合金室温的断裂模式为典型的沿晶断裂,200℃下该合金的断裂模式转变为沿晶和穿晶混合断裂,拉伸试验温度提高至300℃,断裂模式最终变为微孔聚集型断裂。

关键词：铸造Al-Li合金 Sc合金化力学性能断裂模式

来源：

维普期刊数据库

同方期刊数据库评论

在线全文

学校读者我要写书评

暂无评论

“ChatGPT+”驱动的课程教学创新设计——以南方科技大学多媒体信息处理课程为例

引用

软件导刊 2024年第2期23卷 172-176页

作者：刘江章晓庆巫晓肖尊杰胡凌溪南方科技大学计算机科学与工程系广东深圳518055

近年来,以ChatGPT为代表的人工智能及自然语言理解技术正逐渐改变着传统的计算机课程教学模式。为应对ChatGPT及相关人工智能技术带来的挑战和机遇,以南方科技大学多媒体信息处理课程为例,提出活学活用的“ChatGPT+”驱动的课程教学创... 详细信息

近年来,以ChatGPT为代表的人工智能及自然语言理解技术正逐渐改变着传统的计算机课程教学模式。为应对ChatGPT及相关人工智能技术带来的挑战和机遇,以南方科技大学多媒体信息处理课程为例,提出活学活用的“ChatGPT+”驱动的课程教学创新设计,阐述其具体教学创新方法的实践与探索。学生的问卷反馈表明,该课程教学创新设计能提高学生的学习兴趣和教学效果,以期为计算机课程教学改革提供借鉴和参考。

关键词：多媒体信息处理教学创新 ChatGPT 主动学习协作学习

来源：

维普期刊数据库

同方期刊数据库评论

在线全文

学校读者我要写书评

暂无评论

多区域融合注意力网络模型下的核性白内障分类

引用

中国图象图形学报 2022年第3期27卷 948-960页

作者：章晓庆肖尊杰东田理沙陈婉胡衍袁进刘江南方科技大学计算机科学与工程系深圳518055 TOMEY株式会社名古屋451-0051日本中山大学中山眼科中心广州510060 中国科学院宁波材料技术与工程研究所慈溪生物医学工程研究所宁波315201 广东省类脑智能计算重点实验室深圳518055

目的核性白内障是主要致盲和导致视觉损害的眼科疾病,早期干预和白内障手术可以有效改善患者的视力和生活质量。眼前节光学相干断层成像图像(anterior segment optical coherence tomography,AS-OCT)能够非接触、客观和快速地获取白内... 详细信息

目的核性白内障是主要致盲和导致视觉损害的眼科疾病,早期干预和白内障手术可以有效改善患者的视力和生活质量。眼前节光学相干断层成像图像(anterior segment optical coherence tomography,AS-OCT)能够非接触、客观和快速地获取白内障混浊信息。临床研究已经发现在AS-OCT图像中核性白内障严重程度与核性区域像素特征,如均值存在强相关性和高可重复性。但目前基于AS-OCT图像的自动核性白内障分类工作较少且分类结果还有较大提升空间。为此,本文提出一种新颖的多区域融合注意力网络(multi-region fusion attention network,MRA-Net)对AS-OCT图像中的核性白内障严重程度进行精准分类。方法在提出的多区域融合注意力模型中,本文设计了一个多区域融合注意力模块(multi-region fusion attention,MRA),对不同核性区域特征表示进行融合来增强分类结果;另外,本文验证了以人和眼为单位的AS-OCT图像数据集拆分方式对核性白内障分类结果的影响。结果在一个自建的AS-OCT图像数据集上结果表明,本文模型的总体分类准确率为87.78%,比对比方法至少提高了1%。在10种分类算法上的结果表明:以眼为单位的AS-OCT数据集优于以人为单位的AS-OCT数据集的分类结果,F1和Kappa评价指标分别最大提升了4.03%和8%。结论本文模型考虑了特征图不同区域特征分布的差异性,使核性白内障分类更加准确;不同数据集拆分方式的结果表明,考虑到同一个人两只眼的核性白内障严重程度相似,建议白内障的AS-OCT图像数据集拆分以人为单位。

关键词：核性白内障分类眼前节光学相干断层成像图像(AS-OCT) 多区域融合注意力模块深度学习核性区域

来源：

维普期刊数据库

同方期刊数据库评论