检索结果-南通市图书馆

基于传统机器学习和深度学习的新冠肺炎CT图像识别

在线全文

学校读者我要写书评

暂无评论

基于传统机器学习和深度学习的新冠肺炎CT图像识别

作者：靳盼盼首都经济贸易大学

学位级别：硕士

当前新冠肺炎疫情在世界各地仍处于快速发展的态势,疫情防控形势严峻复杂,对人们日常生活和健康造成了很大的影响。如何快速识别并预防新冠肺炎是控制疫情的关键,使用深度学习解决医学图像分类问题,实现人工智能的诊断是目前研究的重点... 详细信息

当前新冠肺炎疫情在世界各地仍处于快速发展的态势,疫情防控形势严峻复杂,对人们日常生活和健康造成了很大的影响。如何快速识别并预防新冠肺炎是控制疫情的关键,使用深度学习解决医学图像分类问题,实现人工智能的诊断是目前研究的重点,减轻一线防疫医务工作者的负担,控制疫情的蔓延,具有重要的意义。本文以新冠肺炎疫情为研究背景,以肺部CT图像为研究对象,利用了传统机器学习和深度学习技术对肺部CT图像进行识别,并通过测试得到了较好的实验结果。主要的研究工作如下:(1)根据收集到的肺部CT扫描数据集的特点,对普通肺炎类别的肺部CT图像数据采用水平翻转、增加随机高斯噪声的方式进行扩充,扩充后数据达到平衡,再按照一定的比例将肺部CT图像数据集切为训练集、验证集和测试集进行模型的训练。(2)本文首先选取了支持向量机、决策树和随机森林三种传统机器学习方法在肺部CT图像数据集上分类,总体准确率分别为96.2%、92.9%和97.4%,新冠肺炎CT图像识别的召回率分别为94.5%、93.4%和93.9%。支持向量机在新冠肺炎CT图像识别的召回率最高,随机森林分类总体分类准确率最高,但在新冠肺炎CT图像识别的召回率略低于支持向量机。(3)对于卷积神经网络技术,本文选取AlexNet、VGG16和ResNet50三种网络模型对肺部CT图像进行分类,其中Alex Net是直接生成网络进行训练,VGG16和Res Net50是使用在imagenet上训练好的参数进行迁移学习,实现对肺部CT图像的分类。通过实验,3种网络模型总体准确率分别为93.8%、97.5%和96.5%,新冠肺炎CT图像识别的召回率分别为96.1%、96.0%和95.4%,三个网络模型在新冠肺炎CT图像上的召回率都高于机器学习方法。其中使用预训练VGG16模型冻结全部卷积层+微调全连接的迁移学习方法,在肺部CT图像数据集上表现最好,总体准确率最高,新冠肺炎CT图像的召回率也达到了96%。(4)根据模型在测试集上的实验结果,分析整体分类情况。其中普通肺炎能够很好的被识别,在多数模型中精准率和召回率均能达到99%,而新冠肺炎CT图像和正常肺部CT图像的召回率最高在96%,是存在相互误判的情况,可能的原因有两个:一是早期新冠肺炎CT影像特征有些肺部切片上表现不太明显,而正常肺部CT影像中血管、胸腔其他组织在固定角度横切面的成像被误认为是新冠肺炎CT图像的特征,导致两者会相互误判;二是新冠肺炎CT图像和正常肺部图像均加入了边缘肺部切片,而边缘肺部切片没有明显的特征区别,导致在测试时模型辨认错误。

关键词：新冠肺炎CT图像识别传统机器学习卷积神经网络

基于深度学习与传统机器学习的人脸表情识别综述

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

科技资讯 2018年第4期16卷 39-39,41页

作者：刘念王枫沈阳理工大学信息与工程学院辽宁沈阳110159 中共辽宁省委党校辽宁沈阳110004

新时期我国科学技术的快速发展及信息化产业规模的不断扩大,为人机交互领域发展带来了重要的保障作用,并提升了人脸表情识别研究水平。在此背景下,为了确保人脸表情识别有效性,需要注重与之相关的基于深度学习与传统机器学习的研究工作... 详细信息

新时期我国科学技术的快速发展及信息化产业规模的不断扩大,为人机交互领域发展带来了重要的保障作用,并提升了人脸表情识别研究水平。在此背景下,为了确保人脸表情识别有效性,需要注重与之相关的基于深度学习与传统机器学习的研究工作落实。在此基础上,计算机视觉领域的整体发展速度将逐渐加快,且人脸表情识别研究中也将得到更多的支持。因此,本文就基于深度学习与传统机器学习的人脸表情识别展开论述。

关键词：深度学习传统机器学习人脸表情识别计算机视觉领域

在线全文

学校读者我要写书评

暂无评论

脑电图信号在疲劳驾驶检测中的应用与挑战

生物化学与生物物理进展 2024年第7期51卷 1645-1669页

作者：宗少杰董芳程永欣喻大华袁凯王娟马宇欣张飞内蒙古科技大学数智产业学院(网络安全学院) 内蒙古模式识别与智能图像处理重点实验室包头014010 西安电子科技大学生命科学与技术学院西安710071

当前快节奏生活已经成为日常生活的常态,对人们的身心健康带来了不少负面影响,特别是在驾驶过程中容易出现疲劳困倦的情况。因此,疲劳驾驶检测技术成为了研究的热点,并取得了显著的进展。本文将介绍基于脑电图(electroencephalogram,EEG... 详细信息

当前快节奏生活已经成为日常生活的常态,对人们的身心健康带来了不少负面影响,特别是在驾驶过程中容易出现疲劳困倦的情况。因此,疲劳驾驶检测技术成为了研究的热点,并取得了显著的进展。本文将介绍基于脑电图(electroencephalogram,EEG)信号的疲劳驾驶检测方法。本文首先概述基于EEG信号的疲劳驾驶检测的总体流程,包括信号采集、预处理、特征提取和分类等步骤。然后,详细介绍EEG信号中与疲劳相关的特征及其在疲劳驾驶检测中的应用。这些特征包括频域特征、时域特征、拓扑特征等,通过分析这些特征可以有效地识别出驾驶员是否处于疲劳状态。接下来,探讨目前已有的疲劳驾驶检测模型的性能评估和评价指标。针对基于EEG信号的疲劳驾驶检测,常用的指标包括准确率、灵敏度、特异度等。本文分析不同模型在这些指标上的表现,并比较它们的优劣。本文还简单介绍了EEG信号分类方法及其应用现状。常见的分类方法包括支持向量机、神经网络、贝叶斯分类器等,这些方法在疲劳驾驶检测中得到了广泛应用。针对目前基于EEG信号的疲劳驾驶检测面临的问题,本文提出了一些解决方法。例如,统一数据标注标准、增加被试数量等。最后,在总结全文内容的基础上讨论了基于EEG信号的疲劳驾驶技术未来的发展方向。在未来,可以进一步提升疲劳驾驶检测技术的准确性和实用性,以更好地应对快节奏社会给驾驶员安全带来的挑战。

关键词：脑电图信号疲劳驾驶检测脑功能连接传统机器学习深度学习

可解释性人工智能超声影像特征风险模型预测甲状腺乳头状癌颈部淋巴结转移的价值

在线全文

学校读者我要写书评

暂无评论

中华超声影像学杂志 2024年第1期33卷 14-20页

作者：陈阿倩曹茹李娜袁新王理蓉姜珏周琦王娟西安交通大学第二附属医院超声科西安710004

目的构建甲状腺乳头状癌(PTC)风险特征可解释性人工智能(AI)模型,并探讨其联合临床特征预测PTC患者颈部淋巴结转移(CLNM)的价值。方法回顾性收集西安交通大学第二附属医院2021年1月至2022年9月行甲状腺切除术及颈部淋巴结清扫术后病理... 详细信息

目的构建甲状腺乳头状癌(PTC)风险特征可解释性人工智能(AI)模型,并探讨其联合临床特征预测PTC患者颈部淋巴结转移(CLNM)的价值。方法回顾性收集西安交通大学第二附属医院2021年1月至2022年9月行甲状腺切除术及颈部淋巴结清扫术后病理证实的PTC患者422例,共422个结节,按7∶3比例随机分为训练集和测试集,通过传统机器学习方法提取与PTC风险特征高度相关的影像组学特征,并建立风险特征概率最优智能预测模型,再联合临床特征构建预测PTC患者CLNM的风险模型,并通过绘制ROC曲线,计算曲线下面积(AUC)评估各模型的诊断效能。结果在测试集PTC风险特征AI可解释模型中,基于逻辑回归分类的钙化智能诊断模型表现出最高的诊断效能,AUC为0.87(P<0.05)。对比于单独PTC超声风险特征概率模型,其联合临床特征的列线图综合模型在预测PTC患者CLNM中表现出更高诊断效能,其AUC为0.97,诊断临界值为0.15,对应的准确性、敏感性及特异性分别为92.65%、92.76%及92.54%(均P<0.05)。结论本研究构建的PTC超声AI模型输出的可解释性风险特征结合临床特征能够有效预测PTC患者的CLNM,进而为医生决策PTC患者治疗方案提供有效信息。

关键词：甲状腺乳头状癌颈部淋巴结转移传统机器学习风险特征人工智能模型列线图

在线全文

学校读者我要写书评

暂无评论

基于改进的深度学习模型分类乳腺癌分子亚型

中北大学学报（自然科学版） 2024年第4期45卷 428-438页

作者：段美华焦雄太原理工大学生物医学工程学院山西晋中030600

由于乳腺癌的高度异质性,不同分子亚型的乳腺癌在治疗和诊断方面都有着很大的差异,因此提高乳腺癌亚型诊断的准确性,对于进一步降低乳腺癌的误诊率,避免乳腺癌的过度治疗具有重要的意义。基于深度学习算法对TCIA数据库中的MRI乳腺癌医... 详细信息

由于乳腺癌的高度异质性,不同分子亚型的乳腺癌在治疗和诊断方面都有着很大的差异,因此提高乳腺癌亚型诊断的准确性,对于进一步降低乳腺癌的误诊率,避免乳腺癌的过度治疗具有重要的意义。基于深度学习算法对TCIA数据库中的MRI乳腺癌医学图像进行了乳腺癌Luminal A和非Luminal A的分子亚型的分类研究。为了对比深度学习算法在分类乳腺癌分子亚型方面的优越性,使用TCGA数据库基因表达数据进行了乳腺癌分子亚型分类研究;在相同乳腺癌MRI图像数据库下,基于传统机器学习算法进行了乳腺癌分子亚型分类研究。在利用深度学习算法处理MRI图像时,对比了多种深度学习模型;微调VGG16网络,冻结卷积层;添加densenet网络模块改进了VGG16网络模型,即得到VGG16+densenet(4)模型。改进的VGG16网络模型的准确率达到0.96, AUC达到0.97;基因表达数据分类准确率为0.73, AUC为0.79;传统机器学习的分类准确率最高达到0.80, AUC达到0.87。实验结果表明,提出的VGG16+densenet(4)模型提高了乳腺癌分子亚型的准确率,具有更好的分类效果。

关键词：深度学习乳腺癌分子亚型传统机器学习数据增强基因表达数据

在线全文

学校读者我要写书评

暂无评论

基于影像融合诊断前列腺癌的研究进展

生物医学工程学杂志 2024年第5期 1078-1084页

作者：罗文斌王沛张一伟石更强上海理工大学健康科学与工程学院

影像融合目前在前列腺癌的诊断中发挥着重要作用，选择和开发出良好的影像融合算法是实现影像融合的核心任务，决定了所得到的融合图像质量是否优良，是否能满足临床应用的实际需求，因此成为医学图像融合的研究热点之一。为了对医学影... 详细信息

影像融合目前在前列腺癌的诊断中发挥着重要作用，选择和开发出良好的影像融合算法是实现影像融合的核心任务，决定了所得到的融合图像质量是否优良，是否能满足临床应用的实际需求，因此成为医学图像融合的研究热点之一。为了对医学影像融合方法进行全面研究，本文对近年来国内外发表的相关文献进行综述。对影像融合技术进行分类，将影像融合算法分为传统融合算法和深度学习融合算法，对一些算法的原理和工作流程进行深入分析对比，总结其优缺点，并介绍了相关的医学影像数据集。最后，本文对医学影像融合算法的未来发展趋势进行了展望，为医学影像融合技术辅助诊断前列腺癌等重大疾病指明了发展方向。

关键词：影像融合前列腺癌传统机器学习深度学习

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

基于集成学习的雷达自动目标识别综述

计算机应用 2024年

作者：洪梓榕包广清兰州理工大学电气工程与信息工程学院西南石油大学电气信息学院

雷达自动目标识别在军事和民用领域中都有着广泛的应用。由于集成学习通过集成已有机器学习模型来改善模型分类性能，具有较好的鲁棒性，因此被越来越多地应用在雷达目标检测与识别领域中。通过系统梳理和提炼现有的相关文献对集成学习... 详细信息

雷达自动目标识别在军事和民用领域中都有着广泛的应用。由于集成学习通过集成已有机器学习模型来改善模型分类性能，具有较好的鲁棒性，因此被越来越多地应用在雷达目标检测与识别领域中。通过系统梳理和提炼现有的相关文献对集成学习在雷达自动目标识别中的研究进展进行了详细讨论。首先介绍了集成学习的概念、框架与发展历程，将集成学习与传统机器学习、深度学习方法进行对比，总结了集成学习理论和常见集成学习方法的优势、不足及研究的主要聚焦点；简述了雷达自动目标识别的概念；重点阐述了集成学习在不同雷达图像分类特征的应用，其中详细讨论了基于合成孔径雷达和高分辨距离像目标的检测与识别方法，并对其研究进展和应用成效进行总结；最后讨论了雷达自动目标识别以及集成学习面临的挑战，并对集成学习在雷达目标识别领域的应用进行了展望。

关键词：目标的检测与识别集成学习合成孔径雷达高分辨距离像传统机器学习深度学习

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

药物分子与靶标蛋白结合亲和力预测研究进展

计算机工程与应用 2024年

作者：刘正美魏雪梅张俊鹏覃泊渊蒋玉张琦杨皓琳高健大理大学工程学院

研究药物分子与靶标蛋白结合亲和力有助于了解生物系统和辅助药物开发。随着生物大数据驱动下的计算生物学技术发展，药物分子与靶标蛋白结合亲和力研究策略从传统单一生物医学实验迈向综合计算技术辅助预测，为药物开发提供新技术新方... 详细信息

研究药物分子与靶标蛋白结合亲和力有助于了解生物系统和辅助药物开发。随着生物大数据驱动下的计算生物学技术发展，药物分子与靶标蛋白结合亲和力研究策略从传统单一生物医学实验迈向综合计算技术辅助预测，为药物开发提供新技术新方法。鉴于药物分子与靶标蛋白结合亲和力研究的重要性，本文从传统生物实验方法和计算生物学方法两个维度对其研究进展进行综述，重点介绍了预测药物分子与靶标蛋白结合亲和力的分子计算模拟、传统机器学习和深度学习方法，并阐述了每种计算生物学方法的应用场景、特点、优势和不足。最后，讨论了药物分子与靶标蛋白结合亲和力预测算法存在的问题以及未来方向，旨在为开发高性能药物分子与靶标蛋白结合亲和力预测模型提供参考。

关键词：结合亲和力药物分子靶标蛋白传统机器学习深度学习

基于UAV高光谱数据的城区优势树种提取研究

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

基于UAV高光谱数据的城区优势树种提取研究

作者：马晓童山东师范大学

学位级别：硕士

及时、准确获取城市树种类型对于城市绿化管理、生态环境监测等具有重要意义。目前基于星载高光谱数据的树种提取研究,无法满足复杂城区高精度应用需求。无人机平台、遥感技术以及深度学习算法的快速发展,为复杂城区树种精准识别提供了... 详细信息

及时、准确获取城市树种类型对于城市绿化管理、生态环境监测等具有重要意义。目前基于星载高光谱数据的树种提取研究,无法满足复杂城区高精度应用需求。无人机平台、遥感技术以及深度学习算法的快速发展,为复杂城区树种精准识别提供了可能。然而,目前鲜有研究将其应用于复杂城区,探索传统分类算法、深度学习模型在复杂城区的性能。鉴于此,本文采用多时相无人机高光谱数据对山东师范大学千佛山校区的主要优势树种进行提取。通过构建传统机器学习模型以及深度学习模型,结合特征组合方案,提取城区优势树种,最终通过精度验证,评价不同模型的性能,进而探究特征组合、分类算法等对城区优势树种提取精度的影响。本研究的主要结果及结论包括以下方面:(1)对于传统机器学习模型,光谱特征是树种提取最重要的特征,纹理特征的加入可以在一定程度上提高传统机器学习对树种提取的精度。在传统机器学习的分类方法中,随机森林表现出较好的优势树种提取性能(夏季数据集总体精度(Overall accuracy,OA)为80.81%,秋季数据集OA为91.71%)。同时单木粗提取与最大投票法相结合可以优化基于像素的分类结果中出现的椒盐效应,但单木分割的精度仍需要进一步提高。(2)对于深度学习模型,多类型特征组合的引入,尤其是纹理特征的加入可以在一定程度上提高深度学习对树种提取的精度。在深度学习方法中,空谱联合的3D-CNN优势树种提取效果较好(夏季数据集OA为86.39%,秋季数据集OA为97.13%)。同时旋转、翻转等样本扩增的方法有助于改善深度学习模型的树种识别精度(最佳的总体精度(OA)提高了2.82%)。(3)针对不同时相UAV高光谱数据,多时相数据有助于改善城区的优势树种提取。其中,秋季高光谱特征组合似乎更有助于增加树种冠层之间的差异性,从而提高树种提取效果。通过迁移通用模型可知,3D-CNN对于不同时相的优势树种提取具备较好的泛化能力。时相特征组合有助于改善随机森林的树种提取结果(OA为95.64%),但对于多时相特征的利用,3D-CNN需要进一步探究。

关键词：高光谱遥感树种提取传统机器学习深度学习时相信息迁移学习