检索结果-南通市图书馆

基于逐像素点深度卷积网络分割模型的上皮和间质组织分割

在线全文

学校读者我要写书评

暂无评论

自动化学报 2017年第11期43卷 2003-2013页

作者：骆小飞徐军陈佳梅南京信息工程大学江苏省大数据分析技术重点实验室南京210044 武汉大学中南医院肿瘤科肿瘤生物学行为湖北省重点实验室湖北省肿瘤医学临床研究中心武汉430071

上皮和间质组织是乳腺组织病理图像中最基本的两种组织,约80%的乳腺肿瘤起源于乳腺上皮组织.为了构建基于乳腺组织病理图像分析的计算机辅助诊断系统和分析肿瘤微环境,上皮和间质组织的自动分割是重要的前提条件.本文构建一种基于逐像... 详细信息

上皮和间质组织是乳腺组织病理图像中最基本的两种组织,约80%的乳腺肿瘤起源于乳腺上皮组织.为了构建基于乳腺组织病理图像分析的计算机辅助诊断系统和分析肿瘤微环境,上皮和间质组织的自动分割是重要的前提条件.本文构建一种基于逐像素点深度卷积网络(CN-PI)模型的上皮和间质组织的自动分割方法.1)以病理医生标注的两类区域边界附近具有类信息为标签的像素点为中心,构建包含该像素点上下文信息的正方形图像块的训练集.2)以每个正方形图像块包含的像素的彩色灰度值作为特征,以这些图像块中心像素类信息为标签训练CN模型.在测试阶段,在待分割的组织病理图像上逐像素点地取包含每个中心像素点上下文信息的正方形图像块,并输入到预先训练好的CN网络模型,以预测该图像块中心像素点的类信息.3)以每个图像块中心像素为基础,逐像素地遍历图像中的每一个像素,将预测结果作为该图像块中心像素点类信息的预测标签,实现对整幅图像的逐像素分割.实验表明,本文提出的CN-PI模型的性能比基于图像块分割的CN网络(CN-PA)模型表现出了更优越的性能.

关键词：深度卷积网络乳腺组织病理图像上皮和间质组织分割逐像素分割

结合深度卷积网络与加速鲁棒特征配准的图像精准定位

在线全文

学校读者我要写书评

暂无评论

光学精密工程 2017年第2期25卷 469-476页

作者：罗家祥林畅赫王加朋胡跃明华南理工大学自动化科学与工程学院广东广州510640

针对在大图像中定位小块区域图像的需求,本文提出一种结合深度卷积网络与加速鲁棒特征(SURF)配准的精准定位方法。将标准大区域图像分割成若干个小参考图像,利用深度卷积网络和类局部敏感哈希降维法提取参考图像集的特征并形成特征库;... 详细信息

针对在大图像中定位小块区域图像的需求,本文提出一种结合深度卷积网络与加速鲁棒特征(SURF)配准的精准定位方法。将标准大区域图像分割成若干个小参考图像,利用深度卷积网络和类局部敏感哈希降维法提取参考图像集的特征并形成特征库;基于特征库,提出了先检索多个相似参考图像后再进行SURF精确配准的两阶段方法,实现目标小图像在标准大图像中的定位。针对电子工业过程中高密度柔性电路板(FPC)及精确末制导中的图像定位数据进行实验,实验结果表明,该方法避免了传统SURF算法大量的特征提取与配对过程,SURF特征提取数减少近90%;与直接根据图像特征进行配准的传统定位方法相比,在保证定位准确率的基础上,耗时可缩小一个数量级以上。

关键词：深度卷积网络图像检索特征匹配精准定位

复杂数据源下基于深度卷积网络的局部放电模式识别

在线全文

学校读者我要写书评

暂无评论

高电压技术 2018年第11期44卷 3625-3633页

作者：宋辉代杰杰张卫东毕凯盛戈皞江秀臣上海交通大学电气工程系上海200240 国网上海市电力公司市南供电公司上海200233 国网山东省电力公司威海供电公司威海264200

随着局部放电检测技术和大数据技术的推广,变电站现场气体绝缘组合电器（GIS）的局部放电检测数据不仅数量庞大,而且数据来源复杂,因此传统的局部放电模式识别方法已难以满足需求。鉴于此,提出了一种基于深度卷积网络的局部放电大数据... 详细信息

随着局部放电检测技术和大数据技术的推广,变电站现场气体绝缘组合电器（GIS）的局部放电检测数据不仅数量庞大,而且数据来源复杂,因此传统的局部放电模式识别方法已难以满足需求。鉴于此,提出了一种基于深度卷积网络的局部放电大数据模式识别方法,构建了应用于局部放电模式识别的深层卷积网络模型,同时应用深度自编码器对模型参数进行初始化,利用多层卷积神经网络提取局部放电大数据的深层特征以提高复杂数据源下的识别正确率。通过真型GIS模型实验、变电站现场带电检测和典型干扰实验获取了大量局部放电检测数据,组成复杂数据源的测试样本,并对所提方法进行了实验分析。实验结果表明：与传统的模式识别方法相比,新所提的方法在处理复杂数据源样本任务中识别正确率更高,且识别正确率提高值随样本数据的增加而增大,更适合于大数据平台的工程应用需求。

关键词： GIS 大数据模式识别深度卷积网络局部放电

在线全文

学校读者我要写书评

暂无评论

深度卷积网络支持下的遥感影像井盖部件检测

测绘通报 2019年第8期 78-81,87页

作者：杨梦圆刘伟尹鹏程谢梦江苏师范大学地理测绘与城乡规划学院江苏徐州221116 资源与环境信息系统国家重点实验室北京100101 徐州市国土资源局江苏徐州221006

数字城市管理发展中城市部件调查是一项重要的任务,但是城市井盖部件信息获取存在人工调绘效率低、精度难以保证等缺陷,影响城市井盖部件的及时更新。因此本文利用深度卷积神经网络模型,通过小卷积核、尾部裁剪和保持输入大小等改进边... 详细信息

数字城市管理发展中城市部件调查是一项重要的任务,但是城市井盖部件信息获取存在人工调绘效率低、精度难以保证等缺陷,影响城市井盖部件的及时更新。因此本文利用深度卷积神经网络模型,通过小卷积核、尾部裁剪和保持输入大小等改进边缘检测网络(HED)并增加两层卷积运算提取目标,提出HED-C网络模型,实现了端到端的井盖部件目标检测。试验结果表明,利用HED-C模型井盖部件召回率可达96.58%,查准率可达97.93%,相较Faster R-CNN、YOLO和SSD网络模型,综合性能有了较大提高。

关键词：井盖遥感图像目标检测深度卷积网络端到端

在线全文

学校读者我要写书评

暂无评论

基于深度卷积网络的可疑交易识别

金融市场研究 2023年第2期 122-129页

作者：陈靖丁启禄中国人民银行福州中心支行

可疑交易识别是反洗钱工作的重要内容,以算法模型为工具分析和识别可疑交易已成为新的趋势。深度卷积神经网络可有效自动提取数据中的分类特征,在众多分类任务中表现出较好的识别效果,已被广泛应用于各领域研究。本文首先基于深度学习理... 详细信息

可疑交易识别是反洗钱工作的重要内容,以算法模型为工具分析和识别可疑交易已成为新的趋势。深度卷积神经网络可有效自动提取数据中的分类特征,在众多分类任务中表现出较好的识别效果,已被广泛应用于各领域研究。本文首先基于深度学习理论,选取一维卷积神经网络,并设计了包含7层的模型框架应用于可疑交易识别分析。其次,将Elliptic数据集以7:3的比例划分为训练集和测试集,采用划分的数据对模型进行训练和测试,以GCN模型、Skip-GCN模型、EvolveGCN模型等深度神经网络模型为对照组,验证本文所提出模型的有效性。最后,通过将输入数据中各元素的排序方式随机打乱,探讨模型对数据输入的稳健性。研究结果表明,一维卷积神经网络对可疑交易识别具有较好的适用性,Elliptic数据集总体分类精度可达98%,F1值达到80%,具有较好的分类效果。对比GCN模型、Skip-GCN模型、EvolveGCN模型等在Elliptic数据集上的识别效果,本文所提模型总体上具有较好的识别精度,总体正确率和F1值均达到较高水平。

关键词：反洗钱可疑交易识别算法模型深度卷积网络

在线全文

学校读者我要写书评

暂无评论

深度卷积网络的舰船图像自动分割研究

舰船科学技术 2019年第24期41卷 166-168页

作者：赵勇长春信息技术职业学院吉林长春130103

当前舰船图像自动分割方法存在"过分割"或者"欠分割"现象,使得舰船图像自动分割误差大。为了提高舰船图像自动分割精度,提出了基于深度卷积网络的舰船图像自动分割方法。对当前舰船图像自动分割的研究现状进行分析,找到引起舰船图像分... 详细信息

当前舰船图像自动分割方法存在"过分割"或者"欠分割"现象,使得舰船图像自动分割误差大。为了提高舰船图像自动分割精度,提出了基于深度卷积网络的舰船图像自动分割方法。对当前舰船图像自动分割的研究现状进行分析,找到引起舰船图像分割误差的原因。采用活动轮廓模型对舰船图像进行粗分割,并找到其中的舰船图像错误分割区域。最后,采用深度卷积网络对舰船图像的错误分割结果进行校正,实现舰船图像进行精细分割,并与活动轮廓模型的舰船图像自动分割方法进行了对比实验。结果表明,相对于活动轮廓模型,深度卷积网络的舰船图像分割精度更高,降低了舰船图像的误分割率,验证了本文舰船图像自动分割方法的优越性。

关键词：深度卷积网络舰船图像自动分割对比测试图像预处理

基于深度卷积网络的电力安全生产管理技术应用

在线全文

学校读者我要写书评

暂无评论

电子技术（上海） 2022年第1期51卷 90-93页

作者：陈曦鸣李胤渊翁仕庭国网安徽省电力有限公司建设分公司安徽230071

针对深度卷积网络在电力安全生产管理中的应用,阐述电力行业生产的安全性和可靠性直接关系着电力资源的供应质量和供应效率,影响社会经济的可持续发展。应该重视电力安全生产管理,科学开展电力生产管控和监督,保障电力生产活动的安全性... 详细信息

针对深度卷积网络在电力安全生产管理中的应用,阐述电力行业生产的安全性和可靠性直接关系着电力资源的供应质量和供应效率,影响社会经济的可持续发展。应该重视电力安全生产管理,科学开展电力生产管控和监督,保障电力生产活动的安全性和可靠性。深度卷积网络在电力安全生产管理中的应用能够进一步提高对象的识别精度,实现在线、实时和准确的目标定位与检测,实现电力系统安全生产管理特定目标的精确识别和实时预警,从而能够准确快速地发现电力系统运行过程和生产过程中可能存在的故障和问题,并采取针对性的措施进行解决和规避,对于电力系统安全、持续、可靠运行有着重要的推动作用。

关键词：智能算法深度卷积网络电力安全目标定位精确识别实时预警

在线全文

学校读者我要写书评

暂无评论

深度卷积网络张量分解方法研究

深度卷积网络张量分解方法研究

作者：杨帆兰州理工大学

学位级别：硕士

在高性能硬件和大数据驱动的双重加持下,深度卷积网络已经在自动驾驶、智能制造和医学影像等工业领域取得巨大突破。但随着性能的提升,深度卷积网络的架构复杂度和模型参数量都随之增加,极大地限制了在资源受限的边缘设备部署应用。深... 详细信息

在高性能硬件和大数据驱动的双重加持下,深度卷积网络已经在自动驾驶、智能制造和医学影像等工业领域取得巨大突破。但随着性能的提升,深度卷积网络的架构复杂度和模型参数量都随之增加,极大地限制了在资源受限的边缘设备部署应用。深度卷积网络压缩方法能够有效地降低网络模型中的冗余参数和计算,已成为当前深度学习领域的研究热点。张量分解作为深度卷积网络压缩的重要方法之一,能够通过张量分解的方式剔除网络中的冗余参数。根据分解流程的先后次序,将深度卷积网络张量分解划分为参数张量化表示、张量秩的预估、张量分解和压缩模型性能恢复四个关键步骤。本论文重点针对分解流程中的第三步张量分解方法和第四步压缩模型性能恢复两个关键步骤存在的不足展开研究,同时针对当前深度卷积网络压缩方法应用领域比较狭窄的问题,研究拓展应用领域。主要的工作和贡献可概括为如下三个方面:1.对深度卷积网络张量分解流程、深度卷积网络和张量分解的基础理论进行系统地梳理。通过对深度卷积网络张量分解流程各步骤的分析,在第四步压缩模型性能恢复中,指出因忽略各网络层间冗余特性不同,导致影响压缩模型整体性能的问题;同时在第三步张量分解中指出,在Tucker分解和CP分解的基础上,已经提出了很多先进的张量分解方法,而这些先进的张量分解方法在深度卷积网络压缩领域还未获得充分利用。通过上述分析,为本论文后续的研究指明方向。2.针对忽略不同网络层间冗余性不同,导致影响压缩模型性能的问题,提出基于网络层冗余性的迭代张量分解方法。该方法由原来仅依赖网络层结构特点进行压缩的机制,变换为依据各网络层冗余性特点压缩的新机制。首先通过提前预估张量分解的秩,以实现依据网络层参数冗余性对各网络层排序;然后结合交替压缩与微调的迭代压缩策略,优先压缩冗余参数更多的网络层。实验结果证明,在图像超分辨率任务中,所提方法对冗余参数的剔除更加精准,具有更好的压缩率-性能平衡能力。3.针对BTD分解秩配置困难的问题,考虑引入变分贝叶斯,提出基于变分贝叶斯的深度卷积网络块项分解方法。该方法通过求解经验变分贝叶斯矩阵分解的全局解析解,自动估算BTD分解压缩网络参数时,在输入通道和输出通道的秩。实验结果表明,在图像超分辨率和图像分类任务中,所提方法不仅能够更大程度地压缩深度卷积网络的冗余参数,还能缩短BTD分解中秩配置的调优周期。

关键词：深度卷积网络张量分解网络压缩变分贝叶斯图像超分辨率

深度卷积网络在心血管内超声图像内膜和中—外膜边界检测中的研究

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

深度卷积网络在心血管内超声图像内膜和中—外膜边界检测中的研究

作者：袁绍锋南方医科大学

学位级别：硕士

心血管疾病(Cardiovascular diseases,CVDs)是当前世界人类致死的主要原因,约占31%,其包括心脏疾病、脑血管疾病和周边血管疾病。冠状动脉粥样硬化性心脏病,常常被称为冠心病(Coronary heart diseases,CHDs),是指因冠状动脉血管发生动... 详细信息

心血管疾病(Cardiovascular diseases,CVDs)是当前世界人类致死的主要原因,约占31%,其包括心脏疾病、脑血管疾病和周边血管疾病。冠状动脉粥样硬化性心脏病,常常被称为冠心病(Coronary heart diseases,CHDs),是指因冠状动脉血管发生动脉粥样硬化病变而引起血管腔狭窄或阻塞,造成心肌缺血、缺氧或坏死而导致的心脏病。它是多种冠状动脉疾病的综合结果,其中最常见的因素为冠状动脉粥样硬化,占95%～99%,被喻为“第一杀手”。目前临床上用于诊疗冠心病最主要的两种影像技术,分别是X射线冠状动脉造影术(Coronary angiography,CAG),和心血管内超声成像术(Intravascular ultrasound,IVUS)。在IVUS图像的临床分析与医学研究中,冠状动脉中-外膜和内膜组织轮廓勾勒,以及相关关键参数测量,既是冠状动脉粥样硬化定量评估和易损斑块定量分析的重要步骤,也是冠状动脉疾病临床诊断和介入治疗的必要前提。IVUS图像中-外膜和内膜边界检测,通常依赖临床医生或资深研究者的肉眼识别和手动勾画。在临床诊疗中,临床医生往往需要分析几帧至几百帧不等的IVUS图像,人工识别、勾画内膜和中-外膜边界的工作量非常大,加上分割结果易受医生主观因素和环境客观因素影响,导致分析结果表现为观察者之间或之内的误差非常大,难以形成统一标准。因此,基于机器学习、计算机视觉等新兴智能技术实现的计算机辅助IVUS图像自动分析,对加深研究者认识心血管病变、提高临床医生工作效率和冠心病临床诊疗水平具有重要意义。本文的研究目标是提出两种基于深度卷积网络实现冠状动脉IVUS图像的内膜和中-外膜边界自动检测方法,帮助临床医生诊断和治疗冠状动脉粥样硬化性心脏病CHDs。针对目前内膜或中-外膜边界自动检测算法存在的问题,本文首先模拟临床医生识别内膜或中-外膜边界的过程,提出结合心血管先验形状信息,和深度全卷积网络(Deep fully convolutional networks,DFCNs)的 IVUS 图像内膜和中-外膜边界自动检测算法。除此之外,针对深度学习算法需要大量已标注数据的缺点,本文接着进一步提出结合堆叠漏斗网络(Stacked hourglass networks,SHGNs),和生成对抗学习(Generative adversarial learning)的IVUS图像关键组织边界自动检测算法。上述两种边界自动检测算法包含以下四个关键部分:1、基于深度全卷积网络DFCNs的IVUS图像区域分割。本文第三章提出深度全卷积网络DFCN-1和DFCN-2,用于IVUS图像区域分割。其中,DFCN-1以内腔区域和非内腔区域临床医生手动分割图像和原始IVUS图像作为训练样本集,用于检测内膜(Lumen border);DFCN-2以血管区域和非血管区域人工标注信息和输入IVUS图像作为学习样本集,用于检测中-外膜(Media-adventitia border)。2、结合心血管先验形状信息的边界优化。针对上述区域分割阶段不可避免地存在的误差问题,比如内腔/血管高地(Highland)、内腔/血管低洼(Depression),和其它像素级或小区域级误分类结果,本文第三章结合心血管先验形状信息——椭圆形,构建具有自适应半径大小圆盘结构体的形态学闭操作移除低洼影响、开操作克服高地影响。余下误分类结果通过其它简单的医学图像处理方法进行改善。3、基于堆叠漏斗网络SHGNs的IVUS图像多区域分割。通过堆叠两个编码器-解码器结构漏斗网络,并在中间输出结果上引入原始输入IVUS图像,作为下一级网络的输入,联合学习上述区域分割和边界优化两个步骤,进行IVUS图像多区域分割。其中,在进行中-外膜轮廓分割时,重建损失函数选择L1距离;而在内膜边界检测时,选择L2距离。除此之外,与采用编码器-解码器结构全卷积网络和U-Net作为生成对抗网络中生成器的Pix2Pix模型相比,本文提出的堆叠漏斗网络SHGNs具有模型参数少,边界检测精度高等特点。4、基于生成对抗网络(Generative adversarial networks,GANs)的对抗学习。在重建损失上,加入对抗损失(adversarial loss),上述堆叠漏斗网络不但能生成更加接近临床医生手工勾画结果的IVUS图像分割图,而且能受正则项约束,在一定程度上缓解深度卷积网络需要大规模已标注医学超声图像的问题。本文的主要临床实验数据来源于国际标准IVUS图像公开数据库SetB的435幅20MHzIVUS图像。在跨数据集验证和临床实际应用分析中,利用广州军区广州总医院心血管内科所收集的100幅IVUS图像进行检验。从线性回归与Bland-Altman 分析及 JM、PAD、

关键词：心血管内超声深度学习深度卷积网络深度全卷积网络有条件生成对抗网络边界检测