检索结果-南通市图书馆

煤炭科学技术 2024年

作者：栾亨宣安乐田莹顾颉颖张强陈宏伟付翔胡成军崔志芳陈锐山东科技大学机械电子工程学院山东科技大学智能装备学院中铁十七局集团有限公司太原理工大学矿业工程学院中煤(天津)地下工程智能研究院有限公司山西新元煤炭有限责任公司新元煤矿上海华能电子商务有限公司

煤矸智能分选是发展煤炭智能绿色开采的关键技术之一。准确识别煤矸石是智能分选的先决条件，如何克服井下复杂环境的影响，已成为影响机器视觉识别效果的现实难题。针对井下煤炭运输系统，构建具有单一、二混合和三混合背景的11类图像... 详细信息

煤矸智能分选是发展煤炭智能绿色开采的关键技术之一。准确识别煤矸石是智能分选的先决条件，如何克服井下复杂环境的影响，已成为影响机器视觉识别效果的现实难题。针对井下煤炭运输系统，构建具有单一、二混合和三混合背景的11类图像数据集，包含水渍、煤粉、碎煤与碎矸石及运输设备部件等背景干扰因素。提出了一种融合多种注意力与残差连接的高精度煤矸智能识别方法，高分辨率阶段使用残差卷积块快速生成高质量标记(token)，后续阶段使用级联的Channel Spatial Swin Transformer Block (CSSTB)进行深层表征学习。为提升模型对背景噪声的抗干扰能力，网络集成全局、通道、空间多种注意力机制，增强特征表达的鲁棒性。CSSTB中利用基于负斜率特性强化稀疏激活的LeakyReLU线性注意力机制建模全局信息，通过卷积注意力机制模块(CBAM)优化模型注意力分布，提升模型泛化能力。此外，考虑到煤、矸石和输送设备零部件的尺度差异，跨阶段使用残差连接以增强多尺度特征的通信和信息流通。研究结果表明：所提模型在单一、二混合和三混合背景上的平均准确度达到95.06%、97.77%和95.65%，相较于基线网络Swin Transformer-Tiny分别提高7.01%、4.83%和1.03%。可视化实验表明，对比模型在水渍、暗光和反光等复杂背景干扰下难以准确区分煤和矸石，而所提出模型能够精准聚焦于煤和矸石的关键特征区域，抗干扰能力强。研究结果为井下原煤运输中的煤矸高效分选提供了理论参考。

关键词：深度学习煤矸识别井下环境注意力机制梯度加权类激活热图

来源：

同方期刊数据库评论

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

基于深度学习算法联合Grad-CAM的宫腔镜子宫内膜病变诊断模型研究

引用

实用妇产科杂志 2024年第5期40卷 409-413页

作者：曹明亮尹蜜王庆彬朱汉峰李星张珺毛林穆雪峰曹敏马于涛王健张燕武汉大学人民医院妇产科湖北武汉430060 华中师范大学计算机学院湖北武汉430079 武汉大学计算机学院湖北武汉430064

目的:探讨基于深度学习(DL)算法联合可视化技术梯度加权类激活热图(Grad-CAM)开发的宫腔镜子宫内膜病变诊断模型的有效性。方法:选择2021年6月1日至2022年12月31日在武汉大学人民医院妇科行宫腔镜检查的291例患者的303段宫腔镜视频(478... 详细信息

目的:探讨基于深度学习(DL)算法联合可视化技术梯度加权类激活热图(Grad-CAM)开发的宫腔镜子宫内膜病变诊断模型的有效性。方法:选择2021年6月1日至2022年12月31日在武汉大学人民医院妇科行宫腔镜检查的291例患者的303段宫腔镜视频(4781张图像),采用权重采样的方法,将数据集划分为训练集(3703张)和测试集(1078张)。在对训练集用于模型学习与训练后,选择残差神经网络(ResNet18)和高效神经网络(EfficientNet-B0)两种模型架构对测试集分别采用五类和二类分类任务进行模型验证。以病理组织学为金标准,评估其诊断效能,从而选出最优模型,并将Grad-CAM层嵌入最优模型中,输出宫腔镜图像Grad-CAM。结果:①在五类分类任务中,EfficientNet-B0模型的准确度(93.23%)高于ResNet18模型(84.23%);EfficientNet-B0模型在诊断无不典型性子宫内膜增生、子宫内膜息肉、子宫内膜癌、子宫内膜非典型增生、黏膜下肌瘤5种疾病的曲线下面积(AUC)均稍高于ResNet18模型,两者的AUC几乎都在0.980以上。②在准确度的二类分类任务中和对特异度的评估中,两种模型相似,均在93.00%以上,而EfficientNet-B0模型敏感度(91.14%)明显优于ResNet18模型(77.22%)。③EfficientNet-B0模型联合Grad-CAM算法可识别出图像中异常区域,取活检经病理检查证实,模型输出热力图中标记区域约95%为病灶区域。结论:EfficientNet-B0模型联合Grad-CAM研发的宫腔镜诊断模型具有较高的诊断准确度、敏感度和特异度,在诊断子宫内膜病变方面具有应用价值。

关键词：宫腔镜子宫内膜癌卷积神经网络梯度加权类激活热图深度学习

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

基于Grad-CAM联合Mask R-CNN的乳腺钼靶图像分类可信度分析

基于Grad-CAM联合Mask R-CNN的乳腺钼靶图像分类可信度分析

引用

作者：曾子强南昌大学

学位级别：硕士

目的:乳腺癌(Breast cancer,BC)是严重威胁人类生存和社会发展的重大疾病和严重的公共卫生问题之一,对社会造成了极大的负担,乳腺癌的早期筛查已经成为世界各国政府的卫生战略重点。乳腺钼靶检查由于其具有简便、有效、经济等优点,成为... 详细信息

目的:乳腺癌(Breast cancer,BC)是严重威胁人类生存和社会发展的重大疾病和严重的公共卫生问题之一,对社会造成了极大的负担,乳腺癌的早期筛查已经成为世界各国政府的卫生战略重点。乳腺钼靶检查由于其具有简便、有效、经济等优点,成为乳腺癌筛查常用的手段之一。在乳腺癌的早筛过程中会产生大量的乳腺钼靶图像,因此乳腺钼靶图像的快速且精准分类至关重要。深度学习在视觉处理领域具有巨大的优势和潜力,如何利用深度学习帮助临床医生快速准确地做出诊断是研究热点之一,研究者们对此提出了许多具有创新性的网络结构和模型,但大多数研究局限于对模型性能的整体评估,忽略了对单张图片判断结果的评估,而临床诊治过程中,单个病人仅产生少数乳腺图像,现有模型判断其类别时,无法给出做出该种判断的可信度,影响了其在临床上的应用。因此本研究拟利用Grad-CAM和Mask R-CNN技术,对单张乳腺钼靶图像良恶性分类结果可信度进行分析,以期推动深度学习在医疗领域的应用。方法:下载DDSM数据库中的乳腺钼靶图像及基线资料,对乳腺钼靶图像进行格式转换,并按照纳入排除标准进行筛选,然后将其分为良性组、恶性组以及正常组;同时选取了图像质量较好,肿块区域分界清晰,符合要求的乳腺钼靶图像,由两名经验丰富的影像科医师参与乳腺钼靶图像肿块区域标记工作,输出乳腺钼靶肿块Mask图像。首先本研究对三组间的基线资料进行统计学分析,比较三组间在年龄及乳腺组织密度方面的差异;然后基于卷积神经网络利用原始图像建立乳腺钼靶图像良恶性分类模型;其次是利用图像切割算法,减少背景面积,保留大部分乳腺图像后基于卷积神经网络建立人工切割后乳腺钼靶图像良恶性分类模型;最后是基于Mask R-CNN利用正常组建立乳腺语义分割模型,并利用其去除良恶性组原始图像背景噪声后再建立语义分割后乳腺钼靶图像良恶性分类模型,此外还基于Mask R-CNN利用良性组和恶性组建立乳腺肿块语义分割模型,自动对肿块区域标记。三个模型均利用Grad-CAM算法输出梯度加权类激活热图,前两个模型利用医师标记的肿块区域计算分类可信度,第三个模型利用乳腺肿块语义分割模型标记后的肿块区域计算分类可信度,并比较三个模型间性能及分类可信度的差异。结果:本研究共收集符合要求的乳腺钼靶图像5358张,其中良性组乳腺钼靶图像1161张,恶性组乳腺钼靶图像1421张,正常组乳腺钼靶图像2776张。结果如下:(1)基线资料分析表明,恶性组平均年龄和乳腺组织密度等级分布与另外两组均存在明显差异(P图像乳腺钼靶图像良恶性分类模型其AUC为0.88(95%CI=0.85-0.91),准确度为0.76,精确度为0.77,召回率为0.82,F1度量值为0.79;人工切割后乳腺钼靶图像良恶性分类模型其AUC值为0.70(95%CI=0.66-0.74),准确度为0.64,精确度为0.69,召回率为0.63,F1度量值为0.66;语义分割后乳腺钼靶图像良恶性分类模型其AUC值为0.83(95%CI=0.80-0.86),准确度为0.75,精确度为0.78,召回率为0.75,F1度量值为0.76。(3)三种模型间测试集图像分类可信度情况如下:原始图像乳腺钼靶图像良恶性分类模型分类可信度结果均小于0.10,且大部分集中于0附近,四组间像素精度分布无明显差异(P>0.05);人工切割后乳腺钼靶图像良恶性分类模型判断正确的图像分类可信度均大于0.5,与判断错误的图像有着明显的差异(P图像良恶性分类模型判断正确的图像分类可信度均大于0.4,与判断错误的图像有着明显的差异(P图像乳腺钼靶分类模型比较,其显著高于原始图像乳腺钼靶分类模型中判断正确的图像(P图像分类模型比较未见明显差异(P>0.05)。结论:(1)与良性肿块患者和正常人群相比,乳腺癌患者的年龄和乳腺密度存在显著不同。(2)本研究建立了两种种乳腺钼靶图像良恶性分类可信度分析方法。(3)语义分割后乳腺钼靶图像良恶性分类模型性能高于人工切割后乳腺钼靶语义分割模型,与原始图像乳腺钼靶图像良恶性分类模型相似,但分类可信度远高于原始图像乳腺钼靶图像良恶性分类模型,总体性能最佳。(4)本研究建立了乳腺语义分割模型和乳腺肿块语义分割模型。

关键词：乳腺钼靶图像卷积神经网络梯度加权类激活热图 Mask R-CNN 可信度分析

来源：

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

欢迎您,

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

在线全文

在线全文

在线全文

请选择保存的检索档案：

请选择收藏分类：

通借通还

欢迎您,

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

在线全文

在线全文

在线全文

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：