检索结果-南通市图书馆

在线全文

学校读者我要写书评

暂无评论

深度学习模型(234)

临床心电学杂志 2024年第1期33卷 75-75页

作者：陈静杨晓云华中科技大学同济医学院附属同济医院 430030

深度学习模型是AI心电图最关键的环节之一。[定义]深度学习模型(deep learning model,DL-model)以深层神经网络为模型,从原始数据中自动获得抽象特征,自动学习特征和任务之间的关联,并将简单的特征组合成更复杂的特征。因不需要人为提... 详细信息

深度学习模型是AI心电图最关键的环节之一。[定义]深度学习模型(deep learning model,DL-model)以深层神经网络为模型,从原始数据中自动获得抽象特征,自动学习特征和任务之间的关联,并将简单的特征组合成更复杂的特征。因不需要人为提取特征信息,故能避免人工提取特征时的不完备性。

关键词：心电图深度学习模型卷积神经网络

在线全文

学校读者我要写书评

暂无评论

深度学习模型在中药毒性预警中的应用和前景

中国药理学与毒理学杂志 2022年第3期36卷 231-240页

作者：颜彩琴范睿琦宁雨坪郭宪王凯天津中医药大学中药学院天津301617 南开大学人工智能学院天津300350

中药潜在毒性成分的早期筛查是中药新药研发面临的一大难题。在基于“结构预警子-毒性”关系开发的机器学习模型中,使用深度学习算法构建的机器学习模型脱颖而出,有望成为新一代中药毒性预测的杰出工具。本文综述了深度学习模型基于“... 详细信息

中药潜在毒性成分的早期筛查是中药新药研发面临的一大难题。在基于“结构预警子-毒性”关系开发的机器学习模型中,使用深度学习算法构建的机器学习模型脱颖而出,有望成为新一代中药毒性预测的杰出工具。本文综述了深度学习模型基于“结构预警子-毒性”关系预测化合物毒性的机制以及深度学习模型在预测药物分子的毒性、预测反应性代谢产物的形成和致毒的生物学靶标中的具体应用,指出中药毒性成分数据匮乏带来的挑战和模型的“黑箱”问题,并提出深度学习模型进一步应用于挖掘中药毒性成分结构和生物学特性中的展望,以期借助人工智能技术解决中药毒性预测这一难题。

关键词：深度学习模型毒性预测中药结构预警子人工智能

在线全文

学校读者我要写书评

暂无评论

基于深度学习模型的伽马能谱解析方法

原子能科学技术 2023年第2期57卷 379-388页

作者：赵日刘娜中国辐射防护研究院山西太原030000 核药研发转化与精准防护山西省重点实验室山西太原030000

为提高伽马能谱解析精度,建立专用深度学习模型,含12个残差卷积模块、51个神经网络层、超107个参数;独特设计模型输出,使其直接预测核素出射谱,突破对预设核素库的依赖。选择自建全身计数器测量人体放射性作为实验场景,基于蒙特卡罗模... 详细信息

为提高伽马能谱解析精度,建立专用深度学习模型,含12个残差卷积模块、51个神经网络层、超107个参数;独特设计模型输出,使其直接预测核素出射谱,突破对预设核素库的依赖。选择自建全身计数器测量人体放射性作为实验场景,基于蒙特卡罗模拟构造了数据集,测试实验表明,深度学习模型核素识别率93.3%、活度计算平均误差8.6%,相较峰分析法的62.3%、28.3%,能谱重建法的78.2%、18.7%,浅层ANN模型的81.3%、14.8%,优势明显。实测实验进一步验证了上述结论。所建立方法借助深度学习的多层次特征提取能力与高数值稳定性,实现了全谱信息与伽马射线能量、数量间的复杂映射,具备高准确性、通用性,未来可为多种应用提供技术基础。

关键词：伽马能谱深度学习模型残差卷积蒙特卡罗模拟解析方法

通过眼底影像评估冠心病及相关危险因素的深度学习模型研究

在线全文

学校读者我要写书评

暂无评论

中华心血管病杂志 2022年第12期50卷 1201-1206页

作者：丁耀东张阳何兰青付萌赵昕黄露克王斌陈羽中汪朝晖马志强曾勇首都医科大学附属北京安贞医院冠心病中心北京鹰瞳科技发展股份有限公司爱康国宾健康体检管理集团有限公司

目的开发并验证一款基于视网膜眼底图像的深度学习模型, 用于识别冠心病及其危险因素。方法本研究为回顾性研究。收集2018年7月至2021年6月来自中国149家医院和体检中心, 年龄>18岁、具有完整冠状动脉造影及视网膜眼底图像的受试者。2... 详细信息

目的开发并验证一款基于视网膜眼底图像的深度学习模型, 用于识别冠心病及其危险因素。方法本研究为回顾性研究。收集2018年7月至2021年6月来自中国149家医院和体检中心, 年龄>18岁、具有完整冠状动脉造影及视网膜眼底图像的受试者。2名对研究设计不知情的放射科医师独立评估每位受试者的冠状动脉造影图像, 判断是否诊断为冠心病。使用卷积神经网络(CNN)深度学习模型, 根据有无冠心病将视网膜眼底图像进行标注, 按比例分为训练集和测试集进行模型训练。并且在测试集中分别使用单眼和双眼眼底图像评估模型预测性能。使用受试者工作特征曲线下面积(AUC)及相关系数(R2)评估模型识别心血管疾病危险因素(年龄、血压、性别)以及冠心病的效能。结果本研究收集到25 222名受试者的51 765张眼底图像, 其中男性14 419名, 冠心病患者10 255例。训练集纳入了22 701名受试者的46 603张眼底图像, 测试集共纳入2 521名受试者的5 162张眼底图像。在测试集中, 模型从单眼和双眼视网膜眼底图像中判断年龄的R2分别为0.931(95%CI 0.929～0.933)和0.938(95%CI 0.936～0.940)。从单眼和双眼视网膜眼底图像中识别性别的AUC值分别为0.983(95%CI 0.982～0.984)和0.988(95%CI 0.987～0.989)。该模型运用单眼(任一)眼底照片识别冠心病的AUC值为0.876(95%CI 0.874～0.877), 双眼(均值)眼底照片的AUC值为0.885(95%CI 0.884～0.888), 模型通过双眼视网膜眼底照片判断冠心病的灵敏度为0.894, 特异度为0.755, 准确度为0.714。结论基于视网膜眼底图像的深度学习模型在评估冠心病及其危险因素(年龄、性别)方面表现良好。

关键词：心血管疾病冠心病视网膜眼底图像深度学习模型

基于深度学习模型的SAR图像间歇采样转发干扰检测

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

系统工程与电子技术 2023年第11期45卷 3465-3473页

作者：陶臣嵩陈思伟肖顺平国防科技大学电子科学学院电子信息系统复杂电磁环境效应国家重点实验室湖南长沙410073

间歇采样转发干扰(interrupted sampling repeater jamming,ISRJ)利用合成孔径雷达的匹配滤波特性,在其图像中产生间隔分布的假目标,对目标检测等造成欺骗效果,故针对ISRJ的检测与抑制具有重大意义,而现阶段相关研究主要集中在信号域。... 详细信息

间歇采样转发干扰(interrupted sampling repeater jamming,ISRJ)利用合成孔径雷达的匹配滤波特性,在其图像中产生间隔分布的假目标,对目标检测等造成欺骗效果,故针对ISRJ的检测与抑制具有重大意义,而现阶段相关研究主要集中在信号域。对此,在图像域中开展ISRJ检测研究。首先将实测数据与仿真干扰相结合,基于不同实测场景与仿真参数构建ISRJ样本;其次针对假目标间隔分布的特点,选用深度学习检测领域具有代表性的“两阶段”与“单阶段”模型;再次,使用单一场景的ISRJ样本对模型进行训练,再利用训练好的模型对其他场景的样本进行测试;最终,得到ISRJ检测结果。基于MiniSAR数据的实验表明,对于不同类别、不同场景以及不同参数的ISRJ样本,所用深度学习模型能够达到95.75%的平均总体检测精度,具有很强的泛化能力。此外,对于尺寸大小为501像素×501像素的样本,上述模型的最少检测用时为0.035 s。

关键词：合成孔径雷达间歇采样转发干扰干扰检测深度学习模型

基于ZYNQ深度学习模型部署的锂电池健康预测

在线全文

学校读者我要写书评

暂无评论

控制工程 2022年第2期29卷 294-299页

作者：马贵君冉少林张泽华中科技大学机械科学与工程学院湖北武汉430074 华中科技大学人工智能与自动化学院湖北武汉430074 亚马逊公司美国西雅图98121

为实现低成本、快速、高精度的电动汽车锂电池健康预测,提出一套基于深度学习模型和ZYNQ硬件平台的锂电池健康预测系统。首先,使用锂电池历史退化数据训练多层卷积神经网络模型,得到模型各层的权重;其次,采用动态精度数据量化策略对各... 详细信息

为实现低成本、快速、高精度的电动汽车锂电池健康预测,提出一套基于深度学习模型和ZYNQ硬件平台的锂电池健康预测系统。首先,使用锂电池历史退化数据训练多层卷积神经网络模型,得到模型各层的权重;其次,采用动态精度数据量化策略对各层的模型参数进行量化,有效减少内存占用和带宽需求,进而提升硬件加速器的性能;然后,利用高层次综合工具实现了模型参数在ZYNQ硬件平台的嵌入和部署;最后,整套系统在Xilinx XC7020平台上进行验证。实验结果表明,该系统在实现高精度预测的同时,能够有效降低功耗、降低时延,满足车载条件下锂电池健康管理系统的嵌入式应用需求。

关键词：锂电池健康预测深度学习模型 ZYNQ硬件平台

自动生成影像学报告的混合特征提取无卷积结构深度学习模型

在线全文

学校读者我要写书评

暂无评论

山东科技大学学报（自然科学版） 2023年第3期42卷 85-93页

作者：王瑞花嵘仪秀龙韩承磊山东科技大学计算机科学与工程学院山东青岛266590

在影像学报告的生成中,由于正常区域和异常区域的数据不平衡,描述疾病的关键词经常被描述图像正常区域的句子掩盖,导致异常图像特征的误判和漏判,严重影响医疗报告的质量。本研究提出混合特征提取无卷积深度学习模型,首次将Swin Transfo... 详细信息

在影像学报告的生成中,由于正常区域和异常区域的数据不平衡,描述疾病的关键词经常被描述图像正常区域的句子掩盖,导致异常图像特征的误判和漏判,严重影响医疗报告的质量。本研究提出混合特征提取无卷积深度学习模型,首次将Swin Transformer引入放射学报告中,设计了一个混合特征提取器,以提取更加细粒度的图像特征,准确地捕捉生成影像学报告所需要的异常特征;设计一个名为视觉-语义协同注意力的注意力机制,在生成报告时突出图像重点特征信息,对非关键信息进行过滤,有效提升生成异常报告的质量;使用具有记忆机制的解码器模块生成影像学报告。最后,在流行的影像学报告IU X-Ray数据集上与当前的主流模型进行对比表明,本模型在语言生成指标和临床评估方面都达到较理想的效果。

关键词：影像学报告混合特征多标签标签特征深度学习模型

深度学习模型对武汉地区雷达回波临近预报的检验评估

在线全文

学校读者我要写书评

暂无评论

暴雨灾害 2022年第4期41卷 458-466页

作者：袁凯庞晶李武阶李明武汉市气象台武汉430040

基于PredRNN++、MIM、CrevNet和PhyDNet四种深度学习模型,利用武汉地区2012—2019年雷达和降水资料,通过定义回波面积指数,检验评估了四种深度学习模型对武汉地区不同面积雷达回波临近预报的预报性能。结果表明:(1)随着回波强度的增加,... 详细信息

基于PredRNN++、MIM、CrevNet和PhyDNet四种深度学习模型,利用武汉地区2012—2019年雷达和降水资料,通过定义回波面积指数,检验评估了四种深度学习模型对武汉地区不同面积雷达回波临近预报的预报性能。结果表明:(1)随着回波强度的增加,所有深度学习模型的预报能力均迅速降低,一般强度回波的命中率(Probability Of Detection,POD)和临界成功指数(Critical Success Index,CSI)远高于强回波,而一般强度回波的虚警率(False Alarm Rate,FAR)则远低于强回波;(2)不论是一般强度回波还是强回波,随着面积增大各深度学习模型的POD均上升,FAR降低,因而CSI得以提高,但这种上升和降低的幅度,在一般强度回波下更显著;(3)无论是一般强度回波还是强回波,同一回波面积之下PredRNN++模型的POD和CSI均最高,CrevNet最低,MIM的FAR均最低,各模型之间的差异在一般强度回波时表现得更加明显,且这种差异性可能主要是由各模型之间不同的内在结构所导致;(4)从时间演变来看,无论何种面积、何种强度的回波,随着预报时效的增加,深度学习模型的POD均缓慢降低,FAR缓慢增加,因而CSI也缓慢降低,但随着预报时效的延长,降幅和增幅都逐渐变小,60 min之后曲线趋于平缓,但不同面积之间的差异却逐渐增大。

关键词：深度学习模型回波面积指数临近预报检验评估

在线全文

学校读者我要写书评

暂无评论

深度学习模型的矿业工程学科知识图谱构建

黑龙江科技大学学报 2023年第4期33卷 561-566,580页

作者：王海玲康华刘兴丽范俊杰黑龙江科技大学计算机与信息工程学院哈尔滨150022 黑龙江科技大学矿业工程学院哈尔滨150022

为解决矿业工程学科的知识组织中数据的异构性与稀疏性问题,构建一种可持续动态更新的矿业工程学科知识图谱。通过设计一种矿业工程学科的知识图谱本体模式,采用基于深度学习模型的知识抽取模型从多源异构数据源中获取领域知识,给出多... 详细信息

为解决矿业工程学科的知识组织中数据的异构性与稀疏性问题,构建一种可持续动态更新的矿业工程学科知识图谱。通过设计一种矿业工程学科的知识图谱本体模式,采用基于深度学习模型的知识抽取模型从多源异构数据源中获取领域知识,给出多特征的知识融合算法,实现了矿业工程学科知识图谱的知识扩展。结果表明,矿业工程学科知识图谱的构建方法的F_(1)值达到96.3%,融合方法的F_(1)值达到98.2%,可有效支持知识图谱动态持续构建以及学科热点等关联知识的可视化分析。

关键词：矿业工程知识图谱深度学习模型