检索结果-南通市图书馆

检索条件"主题词=深度多任务"

共 2 条记录，以下是1-10 订阅

全选清除本页清除全部题录导出标记到"检索档案"

详细简洁

排序：

基于深度多任务网络的左心室图像量化方法研究

基于深度多任务网络的左心室图像量化方法研究

引用

作者：汤仁君安徽大学

学位级别：硕士

心脏磁共振(Magnetic Resonance,简称MR)图像的自动量化分析对心脏疾病的早期检测和诊断具有重要的临床意义。在早期的临床实践中,对心脏MR图像的定量分析是以人工的方式获得的,即通过计算临床工作者们手工描绘的心脏轮廓边界来获得相... 详细信息

心脏磁共振(Magnetic Resonance,简称MR)图像的自动量化分析对心脏疾病的早期检测和诊断具有重要的临床意义。在早期的临床实践中,对心脏MR图像的定量分析是以人工的方式获得的,即通过计算临床工作者们手工描绘的心脏轮廓边界来获得相关临床指标。然而,这种人工的方式在面对海量的医学影像数据时,既耗时又无法保证获得结果的准确性。因此,对心脏MR图像进行定量分析的自动化算法的研究是迫切需要的。此外,心脏MR图像存在结构复杂、灰度分布不均、边界模糊等难题,这也给图像的量化分析带来不小的挑战。采用基于端到端的深度学习技术来直接对心脏MR图像进行量化分析是目前较为流行的趋势。本论文主要针对心脏MR图像的自动量化分析,提出了基于深度学习技术的深度神经网络模型算法,相关研究内容如下:基于深度多任务网络的左心室MR图像直接量化算法。在创新性方面,我们借助分割来对原始心脏MR图像进行数据优化。因为相比于原始图像,分割后的二值轮廓图像丢弃了原始图像的背景干扰信息,这样经过神经网络预测的量化结果更为精确。在网络设计方面,首先,我们设计了一个分割网络对图像进行分割,该分割网络采用的是目前较为流行的编码器/解码器结构。它一方面对输入的原始图像进行下采样,生成分辨率较低的特征映射,另一方面通过上采样可以将特征还原为全分辨率特征图。其次,将分割后的二值轮廓图像作为量化网络的输入,并通过融合多个卷积神经网络(Convolutional neural network,简称CNN)模型的输出来获得更多有效的图像特征。最后,结合长短时记忆网络(Long short-term memory networks,简称LSTM)来捕捉心脏MR序列图像的动态形变信息。我们所设计的这种架构考虑了图像分割和量化分析这两个任务之间的联系,不仅实现了图像的自动分割,还利用图像分割的结果引导图像的量化分析,使得心脏MR图像的自动量化结果更加准确。基于以上提出的自动分割和量化方法,本文实现了对心脏MR图像准确的自动分割和量化分析。在145个病人的2900张心脏MR图像上的实验结果表明,我们提出的框架(Indices-JSQ)不管是对于图像的自动分割还是量化分析方面都具有优异的性能。其中,在分割性能上,骰子度量(Dice metric,简称DM)指标达到了0.87。在量化性能上,心肌层面积(A-myo)和心腔面积(A-cav)指标的平均绝对误差(Mean absolute error,简称MAE)为157mm,心腔上三个不同方向的直径(dim1,dim2,dim3)指标的MAE值为2.43mm,心肌层上六个不同方向的室壁厚度(Regional wall thicknesses,简称RWTs)指标的MAE值为1.29mm。实验结果表明,Indices-JSQ将会使得临床工作者们对心脏疾病的早期检测和诊断工作变得更加高效与便捷,同时在未来也具有广阔的临床应用前景。

关键词：心脏MR图像图像分割量化分析深度多任务

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

基于多任务学习的风光电站群功率预测方法研究

基于多任务学习的风光电站群功率预测方法研究

引用

作者：林爱美华北电力大学(北京)

学位级别：硕士

大规模、集群化是我国风光电站分布的主要特征之一,随着风光电站并网规模的增大,电力系统调度部门对风电和光伏功率预测的准确度和可靠性提出了更高的要求,且更关注区域内风光功率预测结果。现有的风光功率预测方法多集中在单场站预测,... 详细信息

大规模、集群化是我国风光电站分布的主要特征之一,随着风光电站并网规模的增大,电力系统调度部门对风电和光伏功率预测的准确度和可靠性提出了更高的要求,且更关注区域内风光功率预测结果。现有的风光功率预测方法多集中在单场站预测,对一个区域内的风光电站群功率预测展开的研究较少。因此,围绕提高风光电站群功率预测精度问题,建立了基于改进全连接神经网络的风光电站群功率预测模型和基于深度多任务学习的风光集群功率联合预测模型,主要工作和结论如下:1、探索了风光电站群出力波动性和相关性首先从互相关性和自相关性两个方面分析场站-场群之间出力的相关性,然后以波动率为评价指标,分析场站-场群间出力波动概率分布和时间效应,最后以平滑系数为评价指标,分析风光出力波动的空间的空间效应。经过分析发现,随着风光电站规模的增大,风光电站出力的自相关性增大,波动性减弱。2、建立了基于改进全连接神经网络的风电场群和光伏场站群集中式功率预测模型提出将堆叠自编码器用于逐层初始化神经网络参数,并以此为基础模型建立以多场站数值天气预报为输入、多场站功率为输出的风电场群和光伏场站群功率预测模型。以分布在我国南方的8个风电场和7个光伏场站的运行数据为例,分析验证所提模型的有效性。计算结果表明,所提模型具有较强的学习能力,能够较好的提取输入数据特征,有效的提高风光电站群中各个场站的预测精度。3、建立了基于深度多任务学习的风光集群功率联合预测模型提出基于卷积神经网络和多任务学习的风光集群功率联合预测方法,以多个风电场和光伏场站的数值天气预报数据为输入,以风电场和光伏场站的联合预测总功率为输出。算例表明:所提模型在实现风光功率联合预测的基础上,能够提高风光电站群总功率的预测精度。

关键词：风电场群光伏场群功率预测联合预测改进全连接神经网络深度多任务

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

全选清除本页清除全部题录导出标记到“检索档案”

共1页 << < 1 > >>

回到顶部

执行限定条件

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

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

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：