检索结果-南通市图书馆

基于Co的原子级分散催化剂对于CO2RR的理论研究

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Co的原子级分散催化剂对于CO2RR的理论研究

作者：姜永康临沂大学

学位级别：硕士

随着大气中二氧化碳（CO2）浓度愈发升高,全球环境问题日益严重。电催化CO2还原技术因其低污染、低能耗优势受到关注。实现该技术的大规模应用需开发高效电催化剂,因此原子级分散催化剂（ADMSs）成为研究热点。本研究运用第一性原理方法... 详细信息

随着大气中二氧化碳（CO2）浓度愈发升高,全球环境问题日益严重。电催化CO2还原技术因其低污染、低能耗优势受到关注。实现该技术的大规模应用需开发高效电催化剂,因此原子级分散催化剂（ADMSs）成为研究热点。本研究运用第一性原理方法,使用密度泛函理论（DFT）,深入探索ADMSs的催化性能与选择性,设计高效催化剂,并揭示配位环境对催化剂活性的影响,为工业化应用奠定基础。主要研究内容如下:1.N,O共掺杂Co单原子催化剂提高CO2还原为甲醇和甲烷的DFT研究以Co-N4石墨烯催化剂为基础,构建了掺杂O原子之后形成的N、O共配位的Co-N2O2单原子催化剂（其中1-Co-N2O2和2-Co-N2O2为邻位取代,3-Co-N2O2为对位取代）。并且研究了不同O掺杂位点对于Co单原子催化剂的催化剂性能。与原始的Co-N4石墨烯相比,O掺杂之后的Co-N2O2有着更强的稳定性和更多的电子转移。同时N、O共配位可以稳定的吸附中间体并且有利于吸附中间体的质子化,从而促进CO2还原反应（CO2RR）过程的反应进程。在Co-N4上CO和HCOOH的极限电位分别为-0.09 V和-0.19 V。CH3OH和CH4的极限电位相同,为-0.68 V。1-Co-N2O2和3-Co-N2O2对于HCOOH的极限电位为-0.19 V和-0.20 V,与Co-N4相似。1-Co-N2O2、2-Co-N2O2和3-Co-N2O2催化剂对于CH3OH和CH4的极限电位分别为-0.52 V、-0.65 V和-0.48 V,相较于Co-N4催化剂,它们展现出了对CH3OH与CH4更为优越的催化性能。2.基于Co、Ni的同核、异核双原子催化剂及不同配位环境对于CO2RR影响的DFT研究以Co、Ni金属原子为研究对象,构建了同核（Co Co/Ni Ni）双原子催化剂和异核（Co Ni）双原子催化剂,并且通过调节金属原子与N的配位数来对催化剂的配位环境进行调控,设计了两种不同的配位环境,分别为TM1TM2-Ⅰ和TM1TM2-Ⅱ（TM1、TM2代表金属原子Co或Ni）,其中,在TM1TM2-Ⅰ配位环境中,中心金属原子各自与三个N原子进行配位,而在TM1TM2-Ⅱ配位环境中,中心金属原子则分别与4个N原子进行配位。Bader电荷和差分密度分析表明,TM1TM2-Ⅰ相比与TM1TM2-Ⅱ,金属中心含有更多的电子,说明TM1TM2-Ⅰ具有更好的电子转移能力,有助于稳定吸附CO2和反应中间体。以双原子金属中心的角度来说,Co Ni异核双原子催化剂的催化性能皆优于同核Co Co/Ni Ni双原子催化剂,说明Co、Ni之间的协同作用有助于提升CO2RR的性能。以配位环境的角度来说,TM1TM2-Ⅰ中CO的脱附困难,说明其对多电子步CO2RR选择性更好,而TM1TM2-Ⅱ中,CO的脱附的ΔG均为负值,反应自发进行,可以更有效的催化CO的脱附,对CO有着良好的选择性。

关键词：原子级分散催化剂单原子催化剂双原子催化剂密度泛函理论电催化二氧化碳还原

基于深度学习的施工现场安全帽佩戴检测算法研究与应用

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于深度学习的施工现场安全帽佩戴检测算法研究与应用

作者：杜翠云临沂大学

学位级别：硕士

在建筑施工行业,现场安全管理是确保项目顺利进行的关键因素之一。随着建筑施工多样化的发展,施工现场安全问题日益复杂化,施工人员个人的安全措施执行情况,直接影响到施工现场整体安全状况。但因监管力度、安全意识等多方面因素,不安... 详细信息

在建筑施工行业,现场安全管理是确保项目顺利进行的关键因素之一。随着建筑施工多样化的发展,施工现场安全问题日益复杂化,施工人员个人的安全措施执行情况,直接影响到施工现场整体安全状况。但因监管力度、安全意识等多方面因素,不安全行为频繁发生,尤其是不佩戴安全帽的行为,成为施工现场常见的安全隐患,研究建筑施工现场施工人员安全帽佩戴检测方法,对降低施工现场事故发生率具有重要意义。本文基于深度学习技术,围绕施工现场安全帽佩戴检测方法展开研究,并在此基础上进行安全帽佩戴检测系统设计,以满足施工现场安全管理需求。主要研究内容如下:(1)针对现有安全帽佩戴检测数据集场景单一的问题,以公开SHWD安全帽佩戴检测数据集为基础,通过数据增强的方式对数据集进行扩充,解决基础数据集不够多样的问题。构建更加真实多样并符合施工现场的安全帽佩戴检测任务数据集,减少模型过拟合的同时增加原有数据集的丰富性,使经过训练后的模型能更好地适应复杂的环境。(2)针对安全帽佩戴检测时易受施工现场复杂环境影响,导致漏检误检,小目标检测精度低的问题,提出一种基于改进YOLOv5n的高精度安全帽检测模型。首先,提出增强通道空间的注意力机制,增强网络的抗干扰能力,提高复杂背景下的安全帽目标检测精度。其次,使用双向加权特征金字塔Bi FPN改进特征融合结构,实现更高层次的特征融合,解决目标漏检问题。最后,增加一个小目标检测头,提高模型对小目标的检测能力。实验结果表明,改进模型的检测精度得到了提升,m AP较于原YOLOv5n提高了3.4%。(3)针对安全帽佩戴检测施工场景中设备算力低的问题,提出一种基于YOLOv5n轻量化安全帽佩戴检测模型。首先,将Ghost Net V2、Mobile Net V3、Shuffle Net V2以及Faster Net四种轻量化网络分别与YOLOv5n模型特征提取部分结合,降低模型的参数量和运算量,提高模型的检测速度。然后,设计改进后损失函数Focals-EIoU Loss,使模型收敛速度更快,损失值更低,提高模型检测精度。最后,实验结果表明,轻量化后模型相比原YOLOv5n计算量降低64%,参数量降低56%,FPS提高29帧,m AP值仅略微降低。(4)最后,结合需求分析,设计安全帽佩戴检测系统。系统可以通过图像化界面进行参数的调节、模型训练、图片检测、视频检测和实时检测并下载保存结果。证明了系统的实用性,从而实现对安全帽佩戴的有效监督,为施工现场的安全生产提供保障。

关键词：安全帽佩戴检测 YOLOv5算法数据增强注意力机制轻量化

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于深度学习的医疗领域多模态视觉问答研究

基于深度学习的医疗领域多模态视觉问答研究

作者：刘亚临沂大学

学位级别：硕士

医疗视觉问答是将计算机视觉和自然语言处理技术相结合的多模态学习任务,其主要目标是通过对给定的医学图像及其相关问题进行分析,从而预测问题的答案。近年来,随着医学人工智能和深度学习技术的日渐深入,医疗视觉问答任务已经成为广大... 详细信息

医疗视觉问答是将计算机视觉和自然语言处理技术相结合的多模态学习任务,其主要目标是通过对给定的医学图像及其相关问题进行分析,从而预测问题的答案。近年来,随着医学人工智能和深度学习技术的日渐深入,医疗视觉问答任务已经成为广大学者的研究热点,具有巨大的发展潜力。然而,医疗领域的医学图像与通用领域的自然图像有着本质上的区别,即医学图像具有其特有的性质,直接将通用领域视觉问答技术应用在医疗领域视觉问答任务上会导致性能的显著下降,事实证明是不可行的。因此,需要对现有的视觉问答技术进行适应性的优化和改进,以满足医疗视觉问答任务的要求。本文学习和参考了大量国内外的研究成果,根据当前医疗视觉问答任务中存在的问题开展了调查和分析,并结合实际进行了深入研究,其主要研究内容如下:(1)针对卷积神经网络能较好捕捉图像中的局部信息,但是在捕捉图像中全局信息特征方面能力有限的问题,本文提出了基于加性注意力的医疗视觉问答网络模型。具体而言,在该模型的图像特征提取过程中引入了加性注意力机制,用于捕捉医学图像的全局上下文信息,同时使用卷积神经网络捕捉图像的局部信息,即卷积神经网络和加性注意力模块并行提取医学图像中的局部和全局上下文信息。通过这一设计弥补了卷积神经网络在提取全局信息方面的不足,提高了模型对医学图像的全面理解能力。同时为了验证基于加性注意力的医疗视觉问答网络模型的性能,本文在VQA-RAD数据集上进行了对比实验和消融实验,实验结果表明该模型取得了良好的性能,其回答问题的整体准确率可以达到72.5%。(2)鉴于医疗视觉问答数据集规模小、数据量有限以及受限于问题文本特征提取的挑战,本文提出了基于BioBERT和语言特征增强的医疗视觉问答方法。首先,在文本特征提取时采用在生物医学语料库上预训练的BioBERT模型,以更深层次的理解医学问题文本信息,同时利用语言特征增强模块丰富问题文本的上下文表示。然后,在大规模医学图像和文本数据集Med ICa T和ROCO上进行预训练,学习医疗领域的视觉和文本表示,用于进一步增强模型对医疗基础知识的理解。最后,在VQA-RAD、SLAKE和VQA-Med-2019三个医疗视觉问答数据集上,所提出的模型B-LFENet其整体性能指标分别为78.0%、83.4%和80.8%,实验结果也充分证明了基于BioBERT和语言特征增强的方法在处理医疗视觉问答任务中的良好优势。

关键词：医疗视觉问答注意力机制 Transformer BioBERT 预训练特征增强

T-S模糊随机系统的有限时间控制及应用研究

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

T-S模糊随机系统的有限时间控制及应用研究

作者：王彤临沂大学

学位级别：硕士

随着工业社会迅速发展,电力系统、医学工程以及网络控制等领域的复杂非线性系统控制问题日益突出。在此背景下,Takagi-Sugeno（T-S）模糊模型凭借其卓越的逼近特性成为处理复杂非线性问题的强大工具,在非线性系统建模和控制领域得到广... 详细信息

随着工业社会迅速发展,电力系统、医学工程以及网络控制等领域的复杂非线性系统控制问题日益突出。在此背景下,Takagi-Sugeno（T-S）模糊模型凭借其卓越的逼近特性成为处理复杂非线性问题的强大工具,在非线性系统建模和控制领域得到广泛应用。传统的Lyapunov渐进稳定性关注系统在无限时间范围内的运动轨迹,而有限时间稳定性则更注重系统在有限时间内的暂态性能。因此,本文基于T-S模糊模型研究了随机非线性系统的有限时间控制及实际应用问题,利用有限时间稳定性理论、Lyapunov函数和不等式技术,使系统在有限时间内实现稳定。本文的具体内容如下第二章研究了T-S模糊随机非线性系统的有限时间控制问题。考虑了具有外部扰动和时变时滞的T-S模糊系统,提出了一种基于观测器的事件触发控制策略,以实现系统的有限时间稳定。首先设计了状态观测器,构造了基于观测器的事件触发状态反馈控制器,利用线性矩阵不等式（Linear matrix inequality,LMI）、有限时间控制理论和Lyapunov函数,得到了系统满足有限时间有界和输入输出有限时间稳定的充分条件,且满足一定的H∞性能衰减指标,进一步提高了系统的鲁棒性和抗干扰能力。最后,通过在倒立摆模型的应用验证了所提控制方法的实用性和鲁棒性。第三章研究了T-S模糊随机复杂网络的有限时间同步问题,考虑了带有时变时滞和随机扰动的T-S模糊复杂网络,针对这一类系统,提出了一种预设时间滑模控制策略。首先,引入了时变增益函数,设计了新的模糊滑模控制器,使误差系统能够在任意设定的时间内到达滑模面。系统的稳定时间不受设计参数和初始状态的影响。其次,根据Lyapunov函数和不等式技术,得到了系统满足预设时间同步的充分条件。最后,将所得结果应用到陈氏混沌系统中,验证所提出方法的可行性。第四章研究了具有时滞和随机扰动的T-S模糊随机复杂网络的输入输出有限时间同步问题。首先,通过设计新的模糊滑模控制律,确保误差系统在到达阶段和滑动阶段都满足输入输出有限时间同步准则。其次,根据有限时间控制理论、时间划分策略和Lyapunov函数,推导出误差系统在整个有限时间区间内满足输入输出有限时间同步准则。最后,将所得的结果应用到陈氏混沌系统中,验证了所提控制方法的有效性。

关键词： T-S模糊模型复杂网络有限时间H_∞控制事件触发控制滑模控制

基于气溶胶微喷射的柔性应变传感器制备方法与性能研究

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于气溶胶微喷射的柔性应变传感器制备方法与性能研究

作者：王子文临沂大学

学位级别：硕士

近年来,柔性应变传感器凭借其柔韧性好、适应性强、灵敏度高、以及轻薄等特点,在智能穿戴、运动监测、人机交互、软体机器人、健康诊断等领域应用广泛,但传统制造工艺无法满足柔性应变传感器制备中柔性基底自由选择与功能匹配的制备需求... 详细信息

近年来,柔性应变传感器凭借其柔韧性好、适应性强、灵敏度高、以及轻薄等特点,在智能穿戴、运动监测、人机交互、软体机器人、健康诊断等领域应用广泛,但传统制造工艺无法满足柔性应变传感器制备中柔性基底自由选择与功能匹配的制备需求,且国内有关气溶胶微喷射打印技术制备柔性应变传感器的研究尚少。根据以上背景,本文利用气溶胶微喷射打印工艺不受限于柔性基底且打印定位精度高的优势,研究通过气溶胶微喷射打印技术制备柔性应变传感器的方法,解决传统制备工艺在制造柔性应变传感器上的困难,为制备柔性应变传感器提供了创新的解决方案。本文主要研究内容如下:1.研制了一套适用于制备柔性应变传感器的气溶胶微喷射打印平台。自主研发了该平台的超声雾化装置,可以雾化黏度范围在0.7-30m Pa·s、粒子直径研究人员可与软件进行更便捷的交互。开发了软件的路径规划模块、在线监测模块以及打印执行模块,软件可实现DXF文件解析、路径规划与预览、闭合图案蛇形填充等路径规划功能,以及控制打印进度、管理打印命令、在线监测打印参数等重要功能。通过进行打印实验,证明了该软件可实现传感器非闭合图案的打印与传感器闭合图案的蛇形填充。3.探究了气溶胶微喷射打印工艺参数对打印银线宽度的影响规律,得出增大鞘气流量或缩小喷头内径能有效减小打印线宽的结论。通过等离子清洗技术增加基底表面附着力,解决了打印过程中传感器因基底表面纳米银液滴凝聚而导致的不导电问题,使用纳米银墨水与PDMS基底制作了用于人体运动检测的电阻式柔性应变传感器。利用高精度万用表检测传感器受力时产生的电信号变化,测试传感器在无应力状态下导电性良好且稳定,计算出传感器应变范围在3.5%内且灵敏度可达163.84。最后将传感器用于人体手指部位的运动监测,证明其具有检测微小信号的能力。测试结果表明,气溶胶微喷射打印工艺可用于制备所需要的柔性应变传感器,在智能穿戴设备上具有应用潜力。

关键词：气溶胶微喷射打印应变传感器纳米银墨水人体运动检测

基于素数分布理论的彩色图像数字水印算法研究

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于素数分布理论的彩色图像数字水印算法研究

作者：郝伟杰临沂大学

学位级别：硕士

图像的完整性与认证是数字图像处理领域中的热点问题之一,在信息安全和隐私保护方面,图像认证、篡改检测与保护显得尤为紧迫。数字水印技术被广泛应用于彩色图像的认证,通过在图像中嵌入水印,可以为图像提供可验证的身份标识,从而防止... 详细信息

图像的完整性与认证是数字图像处理领域中的热点问题之一,在信息安全和隐私保护方面,图像认证、篡改检测与保护显得尤为紧迫。数字水印技术被广泛应用于彩色图像的认证,通过在图像中嵌入水印,可以为图像提供可验证的身份标识,从而防止图像被伪造或篡改。而目前在空间域提出的一些方案仍存在一些问题,例如水印嵌入容量有限、含水印图像的不可见性不高以及篡改检测率不高等。这些问题限制了这些方案在实际应用中的效果和适用性。针对上述问题,本文深入研究了素数分布理论(Prime Number Distribution Theory,PDT),并将其应用于彩色图像的水印嵌入与提取。通过将所提方案与其他技术相结合,进一步实现了对彩色图像的篡改检测与自恢复。论文的主要工作可以分为两个方面:(1)为了更好地达到彩色图像版权保护的目的,提出了基于PDT的大容量彩色图像脆弱水印方案。在水印嵌入过程中,采用RC4加密算法确保水印信息的安全性。通过将素数集合划分至图像像素范围内,并采用不同的像素替换策略,成功地将三幅相同大小的二值水印图像一次性嵌入到彩色图像中,实现了高容量水印嵌入。实验结果表明,水印方案能够在保证良好不可感知性的同时,抵抗常见的图像处理攻击,并具备良好的篡改检测定位能力。(2)为了维护图像的完整性和真实性,提出了基于PDT的彩色图像篡改检测与自恢复脆弱水印方案。将彩色图像的R、G、B通道分别划分为8×8大小的不重叠图像块,针对每个通道通过DCT压缩生成用于恢复的特征信息,并采用CRC编码方式生成用于图像篡改检测的认证信息,最终形成64位用于自嵌入的水印信息。本文采用自定义行映射和混沌映射两种方案生成图像块映射序列。在进行映射块之间的水印信息嵌入时,充分利用了PDT嵌入算法的大容量和高不可见性能优势。实验结果表明,该脆弱水印方案能够实现高篡改检测率,且可以对图像不同篡改区域进行有效恢复,自恢复图像具有良好的视觉质量。

关键词：数字水印素数分布理论彩色图像篡改检测自恢复水印

基于SERS与多重信号放大技术构建Pb2+适体传感器的应用研究

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SERS与多重信号放大技术构建Pb2+适体传感器的应用研究

作者：李奇临沂大学

学位级别：硕士

重金属主要以离子形式存在于环境中,对土壤和水资源有非常严重的危害,因为它们不仅剧毒还难以降解,还可以通过食物链累积在生物体内。传统检测手段虽然精密度高,但需要复杂的样品预处理、熟练的技术人员和昂贵的仪器设备,这些缺点限制... 详细信息

重金属主要以离子形式存在于环境中,对土壤和水资源有非常严重的危害,因为它们不仅剧毒还难以降解,还可以通过食物链累积在生物体内。传统检测手段虽然精密度高,但需要复杂的样品预处理、熟练的技术人员和昂贵的仪器设备,这些缺点限制了它们在常规检测中的广泛应用。因此,有必要开发一种具有快速、灵敏、操作简单等优点的检测手段,来检测环境中的重金属离子。本文尝试将功能化核酸适体特异性识别目标物、表面增强拉曼散射（Surface-enhanced Raman Scattering,SERS）技术与等温核酸扩增技术相结合。在改善SERS传感器性能的同时,也显著提高了检测信号强度和可靠性。设计了两种铅离子(Pb2+)检测的SERS适体传感器,具体工作如下:（1）在这项工作中,我们开发了一种荧光和SERS（Fluorescence and SERS,FL-SERS）双循环放大适体传感器,用于灵敏和快速检测Pb2+。该适体传感器可通过Pb2+依赖性适体（M-PS2.M）特异性结合实现对目标物的靶向切割实现了一次信号放大,释放的产物将作为无酶非线性杂交链式反应（Hybridization Chain Reaction,HCR）二次放大的触发器。在底物的两端连接Cy3和金纳米颗粒（Gold Nanoparticles,Au NPs）,两者之间有足够的间距,以确保FL信号不被淬灭和SERS信号不被增强。非线性HCR反应程度控制着Cy3和Au NPs之间的距离,保证FL-SERS双模信号技术的正常工作。FL模式的检测限（Limit Of Detection,LOD）为0.115 p M,SERS模式的LOD为1.261 f M。该传感器具有高可靠性和特异性等特点,可将Pb2+与其它金属离子区分开来。此外,该传感器可以检测水样中的Pb2+,回收率好。与单模适体传感器相比,双模适体传感器具有可靠性高、检测范围广、特异性高等特点。（2）在这项工作中,基于DNAzyme的靶标识别和信号转化放大、催化发夹组装（Catalytic Hairpin Assembly,CHA）和线性HCR无酶级联放大以及SERS信号增强,我们建立了一种三重循环级联信号放大适体传感器来进行Pb2+检测。由Pb2+触发的17E-2DNAzyme循环裂解实现了第一次信号转化放大,释放的产物将作为CHA反应的触发器,实现第二次信号放大,经过大量CHA循环杂交产生的双链DNA作为HCR反应的触发器,实现第三次信号放大。线性HCR反应程度控制着传感器SERS探针的构建,实现对Pb2+简单、高灵敏和高选择性检测。Pb2+浓度与SERS信号的线性范围100 f M～10n M,LOD为15.13 f M。将该传感器用于水样中Pb2+的检测,其信号强度的相对标准偏差（Relative Standard Deviation,RSD）在1.64%以内,回收率为97.86%～104.72%,证明了该适体传感器的实用性。与传统检测方法相比,该适体传感器通过DNAzyme靶标识别和信号转化放大、CHA和HCR无酶级联放大,极大地提高检测灵敏度。此外,通过改变相应的DNAzyme序列,该适体传感器可以方便地用于检测其它重金属离子。因此,该方法为Pb2+等重金属离子的检测提供了新平台和新方向。

关键词：重金属离子检测表面增强拉曼光谱功能化核酸适体等温核酸扩增技术

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于多源数据信息的人体跌倒检测方法

基于多源数据信息的人体跌倒检测方法

作者：曹瑛婵临沂大学

学位级别：硕士

随着科技的发展和社会的进步,人口老龄化的问题日益凸显。在我国人口老龄化日益严重的今天,老年人的健康情况和跌倒风险需要全社会的关注。随着传感器技术和机器学习算法等前沿技术的发展与成熟,跌倒检测方法的研究越来越成为社会发展... 详细信息

随着科技的发展和社会的进步,人口老龄化的问题日益凸显。在我国人口老龄化日益严重的今天,老年人的健康情况和跌倒风险需要全社会的关注。随着传感器技术和机器学习算法等前沿技术的发展与成熟,跌倒检测方法的研究越来越成为社会发展的需要。高精准、实时性的跌倒检测方法对于老年人群体、对于每个家庭、对于整个社会都有着不可替代的作用,具有重要的现实意义和市场价值。使用单模态数据检测老年人的跌倒活动在实践中被证明具有一定的局限性,所以本文针对多个传感器获得的多模态数据进行老年人跌倒动作识别展开研究,主要内容包括:(1)为了解决传统相机容易受到光照变化和背景复杂等因素影响的问题,本文提出了一种基于人体骨架和光流序列来识别跌倒动作的方法。首先,使用Kinect V2传感器采集不同受试者的跌倒活动和非跌倒活动视频,然后对捕获的视频进行预处理,得到活动的骨架图像和灰度图像;其次,利用光流算法获得相邻图像的光流序列;再次,提出了一种轻量级卷积神经网络,用于从多模态数据中提取运动特征并识别活动;最后,使用模糊综合评价方法和多数投票策略相结合的融合算法,确定影响最终决策结果的权重值,进行决策融合。实验结果表明,本文提出方法对跌倒活动的识别有很好的效果。(2)由于视觉传感器因相机位置固定和视角限制等因素在实际应用中具有一定的局限性,为了改善跌倒检测方法,提出了惯性信号与骨架图像融合的跌倒检测方法。首先,使用多个惯性传感器采集人体运动时的加速度、角速度和角度信号并将惯性数据表示为图像作为模型的输入;其次,提出卷积循环神经网络提取惯性数据和骨架数据中的多尺度特征和时间特征;最后,利用通道注意力-图卷积神经网络聚合并增强多源数据信息的相关特征,并提出加权支持向量机模型实现跌倒动作识别。实验结果表明本文所提出的多源数据融合的跌倒检测方法可以更加精准的识别跌倒动作。

关键词：跌倒检测 Kinect 惯性传感器机器学习数据融合

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于深度学习的心脏MR图像分割研究

基于深度学习的心脏MR图像分割研究

作者：杨梦竹临沂大学

学位级别：硕士

磁共振(MR)图像能够捕捉到心脏内部结构的细微变化,具有较高的分辨率和组织辨识性,根据心脏结构将心脏MR图像组织划分为不同的区域,然后对不同区域进行定量度量,并获取相关特征,可以为医生提供更加直观、准确的诊断依据。手工分割心脏M... 详细信息

磁共振(MR)图像能够捕捉到心脏内部结构的细微变化,具有较高的分辨率和组织辨识性,根据心脏结构将心脏MR图像组织划分为不同的区域,然后对不同区域进行定量度量,并获取相关特征,可以为医生提供更加直观、准确的诊断依据。手工分割心脏MR图像不仅耗时耗力,而且容易受到人为因素的影响,导致分割结果不准确;机器学习方法在计算量和速度上又存在一定的局限性。应用深度学习的方法实现MR图像自动分割则成为研究心脏结构和相关医学领域的热点。但是心脏的组织结构极其复杂,且MR图像存在灰度不均匀、边界不清晰、结构多样性以及多变性等问题影响了分割结果的精确性。因此,如何精确、高效地进行心脏MR图像分割成为了医学领域的重要课题。针对上述困难,本文提出了三种基于深度学习的分割方法,旨在进一步提高心脏MR图像的分割精度和效率。具体研究内容如下:(1)针对2D心脏MR图像中的不同组织间边界模糊以及灰度不均匀性导致特征提取精度降低问题,本文提出了一种基于UNeXt网络的U型结构—SUNeXt。模型通过引入注意力机制,加强目标特征的权重,并结合多层感知机(MLP)实现对感兴趣区域进行分割。最终实验结果表明,SUNeXt在Dice Similarity Coefficient(DSC)和Intersection over Union(Io U)两个关键评价指标上分别达到了89.44和80.90,这一结果充分证明了SUNeXt提高了心脏MR图像分割的准确性。(2)针对(1)中提出的U型结构在编码过程中的传递不够高效,导致部分有用信息丢失问题,基于特征重用的原理,本文提出了一种基于U-Net模型的变体—DU-Net。模型在卷积过程中,通过U型网络结构实现了特征的高效重用和融合。此模型能够较全面的捕获心脏结构的丰富信息,并且在DSC和Io U两个评价指标上分别达到了89.92和81.69,较其他网络相比,提高了分割的精细度。(3)对于(1)和(2)中提出的模型不能很好地解决由于3D心脏MR图像结构的复杂性导致分割精度下降问题,本文提出了一种基于Q-Net的先进网络模型—PCA-Net。PCA-Net加强了通道间的信息交互,能够更有效地整合来自不同通道的特征信息,并提高了对心脏结构的整体感知能力。同时,在模型中引入注意力机制使模型能够聚焦于对分割任务更为关键的目标区域。在左室肌、左室血池和右室区域的分割任务中,PCA-Net的DSC指标分别达到了66.37、90.73和77.88,其性能显著超越了Q-Net。这一显著优势不仅证明了PCA-Net在心脏MR图像分割任务中的有效性,同时也进一步提升了3D心脏MR图像的分割性能和计算效率。为了验证这些模型的实际效能,本文进行了对比和消融的实验。实验结果表明,无论是在2D还是3D心脏MR图像分割任务中,这些模型均展现出了较好的性能和分割精度,具有较为广阔的应用前景,可以为未来的研究提供新的研究思路和方向。

关键词：医学图像分割心脏MR图像分割深度学习 UNeXt U-Net Q-Net