检索结果-南通市图书馆

基于多尺度注意力机制的三维卷积神经网络肺结节检测算法

在线全文

学校读者我要写书评

暂无评论

生物医学工程学杂志 2022年第2期39卷 320-328页

作者：赵宇督彭振伟马骏夏浩万洪林山东师范大学物理与电子科学学院山东省医学物理图像处理技术重点实验室济南250358

基于电子计算机断层扫描(CT)的肺结节检测的早期筛查是降低肺癌死亡率的重要手段,而近年来三维卷积神经网络(3D CNN)已经在肺结节检测领域取得了成功并不断深入发展。本文提出了一种基于多尺度注意力机制的3D CNN肺结节检测算法。针对... 详细信息

基于电子计算机断层扫描(CT)的肺结节检测的早期筛查是降低肺癌死亡率的重要手段,而近年来三维卷积神经网络(3D CNN)已经在肺结节检测领域取得了成功并不断深入发展。本文提出了一种基于多尺度注意力机制的3D CNN肺结节检测算法。针对肺结节大小和形状各异的特点,设计了一个多尺度的特征提取模块,提取不同尺度的相应特征。通过注意力模块,从空间和通道两个角度挖掘特征间的关联信息,对特征加强。提取出的特征进入类似金字塔的融合机制,使得特征中同时包含深层的语义信息与浅层的位置信息,更利于目标定位与边界框回归。在具有代表性的LUNA16数据集上,相对于目前先进的其他方法,本文方法能够明显地提高检测灵敏度,可为临床医学提供理论参考。

关键词：肺结节检测多尺度特征提取注意力机制三维卷积神经网络

基于三维卷积神经网络的配电物联网异常辨识方法

在线全文

学校读者我要写书评

暂无评论

电力系统自动化 2022年第1期46卷 42-50页

作者：殷浩然苗世洪韩佶王子欣毛万登牛荣泽强电磁工程与新技术国家重点实验室(华中科技大学) 湖北省武汉市430074 电力安全与高效湖北省重点实验室(华中科技大学电气与电子工程学院) 湖北省武汉市430074 国网河南省电力公司电力科学研究院河南省郑州市450052

由于配电物联网中电力网与通信网高度耦合,单一网络的异常状态会交互作用至另一网络,可能进一步造成异常范围扩大,而单独采用电力网或通信网的异动信息难以全面、准确地辨识配电物联网异动源的类型和位置。因此,提出一种基于三维卷积神... 详细信息

由于配电物联网中电力网与通信网高度耦合,单一网络的异常状态会交互作用至另一网络,可能进一步造成异常范围扩大,而单独采用电力网或通信网的异动信息难以全面、准确地辨识配电物联网异动源的类型和位置。因此,提出一种基于三维卷积神经网络(3D-CNN)的配电物联网异常类型辨识及定位方法。首先,分析了配电物联网通信流量特征并构建了基于Simulink和OPNET的配电物联网交互仿真模型;其次,提出了一种面向3D-CNN的样本构建方法,将配电物联网中每个节点的电气量和通信流量信息组成一个特征子像素,进而将配电物联网每个时刻的状态表示为一幅特征帧画面,形成隐含配电物联网异动过程的立方样本矩阵;随后,构建了包含三维特征提取网络和层级softmax分类器的深度学习模型,通过提取和辨识立方样本矩阵中隐含的异常信息,可以同时实现配电物联网异常类型和位置的判定;最后,利用IEEE 33节点配电物联网异常数据对模型进行测试,结果表明,所提方法可以对电力网短路故障、通信中断故障、通信数据异常引起的保护误动和拒动进行精确的分类及定位。

关键词：配电物联网深度学习交互仿真异常辨识及定位三维卷积神经网络

三维卷积神经网络模型联合条件随机场优化的高光谱遥感影像分类

在线全文

学校读者我要写书评

暂无评论

光学学报 2018年第8期38卷 396-405页

作者：李竺强朱瑞飞高放孟祥玉安源钟兴长光卫星技术有限公司吉林省卫星遥感应用技术重点实验室吉林长春130000 中国科学院长春光学精密机械与物理研究所吉林长春130033 吉林省国土资源调查规划研究院吉林长春130061

高光谱遥感影像分类通常基于地物光谱特征,但影像中同时还存在丰富的空间信息。空间信息的有效利用能显著提高图像分类效果。因其具有的特殊结构,卷积神经网络(CNN)已成功地应用在图像分类领域,对二维图像分类具有很好的效果。如何通过... 详细信息

高光谱遥感影像分类通常基于地物光谱特征,但影像中同时还存在丰富的空间信息。空间信息的有效利用能显著提高图像分类效果。因其具有的特殊结构,卷积神经网络(CNN)已成功地应用在图像分类领域,对二维图像分类具有很好的效果。如何通过深度学习并结合空间光谱信息来提高分类性能是一个关键问题。结合高光谱影像中的空间特征与光谱信息,提出一种适合于高光谱像素级分类的深度学习三维卷积神经网络模型(3D-CNN),并在初始分类的基础上利用多标签条件随机场进行优化。选取三个通用公开高光谱数据集(Indian Pines数据集、Pavia University数据集、Pavia Center数据集)进行测试,结果表明分类优化后精度得到很大提升,总体精度可达98%,Kappa系数达到97.2%。

关键词：遥感高光谱影像空间-光谱信息三维卷积神经网络条件随机场

基于三维卷积神经网络的肋骨CT图像的断骨分割

在线全文

学校读者我要写书评

暂无评论

南开大学学报（自然科学版） 2023年第2期56卷 17-21页

作者：刘国华董芮南开大学电子信息与光学工程学院天津市光电传感器与传感网络技术重点实验室天津300350

针对医学图像数据少、分割目标大小不一、相较背景占比低而带来的无法精准分割的问题,在传统U-Net网络基础上,提出3D RSPU-Net网络模型结构.使用残差网络代替神经元作为基本单元结构,减少网络模型训练中梯度消失退化的问题;U-Net上采样... 详细信息

针对医学图像数据少、分割目标大小不一、相较背景占比低而带来的无法精准分割的问题,在传统U-Net网络基础上,提出3D RSPU-Net网络模型结构.使用残差网络代替神经元作为基本单元结构,减少网络模型训练中梯度消失退化的问题;U-Net上采样和下采样结构单元增加挤压和激发模块,提取重要特征,抑制无关特征;引入批量标准化层,网络损失函数空间更加平滑,有泛化能力,增加了模型的鲁棒性;采用三维卷积代替普遍使用的二维卷积,充分利用数据空间信息.在182张肋骨CT图像数据集上,使用该网络模型IOU为0.846,豪斯多夫距离为5.236 mm,精准度0.853.相较于使用传统U-Net网络和其他现有模型,该模型在肋骨骨折分割方面有更好的准确度和可行性.

关键词：图像处理技术医学图像分割肋骨CT 三维卷积神经网络

多级层次三维卷积神经网络的牙颌模型分割与识别技术

在线全文

学校读者我要写书评

暂无评论

计算机辅助设计与图形学学报 2020年第8期32卷 1218-1227页

作者：田素坤戴宁袁福来张贝俞青程筱胜南京航空航天大学机电学院南京210016 江苏省数字化医疗装备技术重点实验室南京210016 南京大学医学院附属口腔医院修复科南京210008

牙齿分割是计算机辅助口腔正畸治疗的重要技术.针对传统牙齿分割方法因交互操作复杂、手工干预程度高导致分割效率和精度较低的问题,提出一种基于多级层次三维卷积神经网络的牙颌模型自动分割与识别方法.首先利用基于哈希表的八叉树稀... 详细信息

牙齿分割是计算机辅助口腔正畸治疗的重要技术.针对传统牙齿分割方法因交互操作复杂、手工干预程度高导致分割效率和精度较低的问题,提出一种基于多级层次三维卷积神经网络的牙颌模型自动分割与识别方法.首先利用基于哈希表的八叉树稀疏表达模型对牙颌模型进行标签化预处理;然后采用构建的Level-1网络和Level-2网络,分别实现普通牙齿间类别和高相似度牙齿间类别的区分;最后采用基于深度卷积特征的多级层次分割网络实现牙齿与牙龈以及牙齿间的分割,并利用条件随机场模型对龈缘区及齿间接触区的局部细节特征进行建模与优化.实验结果表明,在自行采集的牙齿数据集上的牙齿识别准确率均维持在0.858以上,单颗牙齿的分割准确率为0.898,与同类分割方法对比,验证了层次特征学习方法具有较高的准确率和鲁棒性,适用于各种不同程度畸形牙患者的牙齿分割,在计算机辅助口腔治疗诊断中具有巨大的应用潜力.

关键词：牙齿分割三维卷积神经网络八叉树条件随机场模型口腔正畸

基于三维卷积神经网络和峰值帧光流的微表情识别算法

在线全文

学校读者我要写书评

暂无评论

模式识别与人工智能 2021年第5期34卷 423-433页

作者：张学森贾静平华北电力大学控制与计算机工程学院北京102206

针对现有微表情识别技术未能有效利用峰值帧前后时间空间特征的缺点,文中提出基于三维卷积神经网络和峰值帧光流的微表情识别算法.首先,提取峰值帧前后相邻帧间的光流场,在保留微表情重要时间、空间信息的同时,去除冗余信息,减少计算量... 详细信息

针对现有微表情识别技术未能有效利用峰值帧前后时间空间特征的缺点,文中提出基于三维卷积神经网络和峰值帧光流的微表情识别算法.首先,提取峰值帧前后相邻帧间的光流场,在保留微表情重要时间、空间信息的同时,去除冗余信息,减少计算量.然后,利用三维卷积神经网络,从光流场中提取增强的时空特征,实现微表情的分类识别.最后,通过在3个微表情数据库上的对比实验证实文中算法准确度较高.

关键词：微表情识别三维卷积神经网络光流峰值帧

在线全文

学校读者我要写书评

暂无评论

基于三维卷积神经网络的高光谱图像分类研究

基于三维卷积神经网络的高光谱图像分类研究

作者：穆青爽河北工业大学

学位级别：硕士

近年来,食品品质安全越来越受到人们的关注,其中食品的属性(例如类别、产地、营养成分、加工过程)是食品品质关注的重点。高光谱成像技术具有快速、无损、非接触性等优势,在食品属性分类领域中应用广泛。高光谱图像是一个具有光谱和空... 详细信息

近年来,食品品质安全越来越受到人们的关注,其中食品的属性(例如类别、产地、营养成分、加工过程)是食品品质关注的重点。高光谱成像技术具有快速、无损、非接触性等优势,在食品属性分类领域中应用广泛。高光谱图像是一个具有光谱和空间连续性的三维超立方体,本文为了充分利用超立方体的数据特征,将三维卷积神经网络(Three-Dimensional Convolutional Neural Network,3DCNN)与高光谱成像技术相结合,并针对食品属性分类展开研究,重点以四种不同产地的枸杞作为研究对象。主要内容和成果如下:(1)采集具有代表性的四种不同产地(宁夏、青海、甘肃、新疆)的干枸杞作为研究对象。使用波长范围在870 nm-1713 nm的高光谱成像系统采集枸杞的图像信息,并以枸杞的物理特性与光谱反射率为依据选取感兴趣区域(Region of Interest,ROI),将其ROI内的数据作为枸杞样本信息。(2)提出基于3DCNN的高光谱图像分类算法,其优势在于使用三维卷积模块可以同时学习高光谱图像的光谱和空间信息。通过分析三维卷积模块的数量对枸杞产地分类特性的影响,确定了三维卷积模块的最佳数量为四层。相对于基于光谱信息的支持向量机(Support Vector Machine,SVM)分类方法、以及基于光谱信息融合纹理特性的SVM分类方法,该算法的总体分类精度分别提高了2.84%和3.7%。结果证明,具有四层三维卷积模块的分类算法(Four-layer-3D-CNN)在枸杞产地分类方面的优势。(3)提出基于混合三维卷积神经网络的分类算法(Hybrid SN),该算法将三维卷积与二维卷积串联,降低了深层三维卷积算法的结构复杂度,同时提高了枸杞产地分类的准确率。又改进提出一种新型混合卷积神经网络算法(New-Hybrid-CNN)来提升算法结构的轻量性以及运算效率,此算法利用了深度可分离卷积的优势:拥有更少的可训练权重参数以及计算成本低,在实验过程中模型的训练时间为596.38秒,比Hybrid SN减少约47秒,涉及到的参数量是Hybrid SN算法的17%,总体分类精度依然能达到99.73%。结果证明该算法可以有效区分不同产地枸杞的高光谱图像。

关键词：高光谱图像技术三维卷积神经网络深度可分离卷积神经网络支持向量机枸杞产地分类

基于三维卷积神经网络的双重刺激脑机接口解码研究

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

基于三维卷积神经网络的双重刺激脑机接口解码研究

作者：伍凌宇河北工业大学

学位级别：硕士

脑机接口(brain-computer interface,BCI)是人脑与外界环境建立的一条不依赖于外周神经和肌肉组织的交流通路。事件相关电位(event related potential,ERP)是广泛应用于BCI的脑电信号之一,基于ERP的BCI具有指令数量大、训练时间短、受... 详细信息

脑机接口(brain-computer interface,BCI)是人脑与外界环境建立的一条不依赖于外周神经和肌肉组织的交流通路。事件相关电位(event related potential,ERP)是广泛应用于BCI的脑电信号之一,基于ERP的BCI具有指令数量大、训练时间短、受众人群多的特点,但是在解码方面仍然存在难以满足交互需求的问题。针对视觉刺激数量较多的视觉诱发ERP BCI,视觉刺激的诱发方式与个体内差异导致脑电非平稳,引起解码精度降低,不利于人机交互。因此,本文研究双重刺激的视觉诱发方法和三维卷积神经网络模型,建立多视觉刺激界面下的脑电解码模型,提高视觉诱发ERP BCI的解码稳定性。本文首先研究双重视觉刺激诱发方法。针对解码模型的精度问题,提出局部滑动的呈现方式,建立空间分布和随机呈现规则,进而构建双重刺激界面。分析十五个被试在该界面下的ERP特征和BCI性能,发现局部滑动刺激方式显著提高了脑电幅值以增加脑电特征;空间分布和随机呈现规则降低了刺激之间的混淆与干扰能力,为后续解码模型提供了平稳特征的脑电数据。双重视觉诱发界面研究表明该研究能够显著增加BCI的脑认知电位识别能力以提高模型的解码精度,增加BCI在复杂环境中的可行性,为本文建立ERP BCI提供坚实稳定的实验范式基础。本文其次研究三维卷积神经网络的脑电解码方法。针对脑电解码的个体内差异解码精度问题,提出视频流式的脑电处理方法,动态捕捉脑地形图并将脑电数据转化为三维输入矩阵;构建三维卷积核,使用立体卷积操作;构建多通道三维矩阵输入方式。将三维卷积神经网络与传统线性分类器和深度学习神经网络方法比对,运用准确率、信息传输率、Kappa系数和训练时间等指标分析算法性能。结果表明三维卷积神经网络,显著提高了BCI的识别准确率。本文完成了跨时间脑电诱发实验,实验证明了三维卷积神经网络在跨时分类上有较高的适应能力和解码性能。三维卷积神经网络的研究表明该网络显著提高了BCI的解码精度,提高了BCI的鲁棒性,神经网络的多输入方式降低了训练模型的数据冗余性,为本文建立ERP BCI提供了精准的深度学习解码模型。

关键词：脑机接口事件相关电位双重刺激三维卷积神经网络脑电解码

一种用于微表情自动识别的三维卷积神经网络进化方法

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

计算机科学 2020年第8期47卷 227-232页

作者：梁正友何景琳孙宇广西大学计算机与电子信息学院南宁530004

由于微表情持续时间短、动作幅度小,因此微表情自动识别一直是一个具有挑战性的问题。针对上述问题,提出一种用于微表情识别的三维卷积神经网络进化(Three-Dimensional Convolutional Neural Network Evolution,C3DEvol)方法。该方法使... 详细信息

由于微表情持续时间短、动作幅度小,因此微表情自动识别一直是一个具有挑战性的问题。针对上述问题,提出一种用于微表情识别的三维卷积神经网络进化(Three-Dimensional Convolutional Neural Network Evolution,C3DEvol)方法。该方法使用能有效提取动态信息的三维卷积神经网络(Three-Dimensional Convolutional Neural Network,C3D)来提取微表情在时域和空域上的特征;同时使用具有全局搜索和优化能力的遗传算法对C3D的网络结构进行优化,以获取最优的C3D网络结构和避免局部优化。利用CASME2数据集在带有两块NVIDIA Titan X GPU的工作站上开展了实验,结果表明C3DEvol微表情自动识别的准确率达到63.71%,优于现有的微表情自动识别方法。

关键词：微表情识别遗传算法三维卷积神经网络特征提取网络结构优化