检索结果-南通市图书馆

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

智能超市自助售卖系统设计与实现

福建电脑 2024年第1期40卷 82-88页

作者：杨易润刘钰李信源杨天乐金陵科技学院计算机工程学院南京211169

随着自助购物已成为零售业的发展趋势,为满足消费者日益增长的购物需求,本文设计并实现了一款自助售卖系统。该系统具有可视化界面,采用Jetson Nano硬件平台,通过训练深度学习模型实现果蔬分类。实验结果表明,MobileNetV2网络分类准确... 详细信息

随着自助购物已成为零售业的发展趋势,为满足消费者日益增长的购物需求,本文设计并实现了一款自助售卖系统。该系统具有可视化界面,采用Jetson Nano硬件平台,通过训练深度学习模型实现果蔬分类。实验结果表明,MobileNetV2网络分类准确率达到98.65%,相较于传统CNN卷积神经网络模型,准确率提高了2.13%,模型大小减小了20.54%,具有较为显著的优化效果。

关键词：智慧超市自助售卖嵌入式系统深度学习

Dual-Path Vision Transformer用于急性缺血性脑卒中辅助诊断

在线全文

学校读者我要写书评

暂无评论

电子科技大学学报 2024年第2期53卷 307-314页

作者：张桃红郭学强郑瀚罗继昌王韬焦力群唐安莹北京科技大学计算机与通信工程学院北京100083 河池学院广西高校人工智能与信息处理重点实验室广西546300 首都医科大学宣武医院北京100053

急性缺血性脑卒中是由于脑组织血液供应障碍导致的脑功能障碍,数字减影脑血管造影(DSA)是诊断脑血管疾病的金标准。基于患者的正面和侧面DSA图像,对急性缺血性脑卒中的治疗效果进行分级评估,构建基于Vision Transformer的双路径图像分... 详细信息

急性缺血性脑卒中是由于脑组织血液供应障碍导致的脑功能障碍,数字减影脑血管造影(DSA)是诊断脑血管疾病的金标准。基于患者的正面和侧面DSA图像,对急性缺血性脑卒中的治疗效果进行分级评估,构建基于Vision Transformer的双路径图像分类智能模型DPVF。为了提高辅助诊断速度,基于EdgeViT的轻量化设计思想进行了模型的构建;为了使模型保持轻量化的同时具有较高的精度,提出空间-通道自注意力模块,促进Transformer模型捕获更全面的特征信息,提高模型的表达能力;此外,对于DPVF的两分支的特征融合,构建交叉注意力模块对两分支输出进行交叉融合,促使模型提取更丰富的特征,从而提高模型表现。实验结果显示DPVF在测试集上的准确率达98.5%,满足实际需求。

关键词：急性缺血性脑卒中视觉Transformer 双分支网络特征融合

基于Unet+Attention的胸部CT影像支气管分割算法

在线全文

学校读者我要写书评

暂无评论

中国生物医学工程学报 2024年第1期43卷 60-69页

作者：张子明周庆华薛洪省覃文军东北大学医学影像智能计算教育部重点实验室沈阳110189 东北大学计算机科学与工程学院沈阳110189 大连大学附属中山医院辽宁大连116001

目前肺气管分割中,由于CT图像灰度分布复杂,分割目标像素近似,易造成过分割;而且肺气管像素较少,难以得到更多目标特征,造成细小肺气管容易被忽略。针对这些难点,本研究提出结合Unet网络和注意力机制的肺气管分割算法,注意力机制使用的... 详细信息

目前肺气管分割中,由于CT图像灰度分布复杂,分割目标像素近似,易造成过分割;而且肺气管像素较少,难以得到更多目标特征,造成细小肺气管容易被忽略。针对这些难点,本研究提出结合Unet网络和注意力机制的肺气管分割算法,注意力机制使用的是关注通道域和空间域的卷积块注意力模型(CBAM),该模型提高了气管特征权重。在损失函数方面,针对原始数据中正负样本失衡的问题,引入focal loss损失函数,该函数对标准交叉熵损失函数进行了改进,使难分类样本在训练过程中得到更多关注;最后通过八连通域判断将孤立点去除,保留较大的几个连通域,即最后的肺气管部分。选用由合作医院提供的24组CT影像和43组CTA影像,共计26157张切片图像作为数据集,进行分割实验。结果表明,分割准确率能够达到0.86,过分割率和欠分割率均值为0.28和0.39。经过注意力模块和损失函数的消融实验,在改进前的准确率、过分割率和欠分割率分别为0.81、0.30、0.40,可见其分割效果均不如Unet+Attention方法。与其他常用方法在相同条件下进行比较后,在保证过分割率和欠分割率不变的情况下,所提出的算法得到了最高的准确率,较好地解决了细小气管分割不准确的问题。

关键词：医学图像分割肺气管 Unet 注意力机制 focal loss

在线全文

学校读者我要写书评

暂无评论

以攻击者视角审视和分析医院网络安全

中国数字医学 2024年第6期19卷 109-115页

作者：韩雪峰王静岩沈洪超哈尔滨医科大学附属第二医院计算机室哈尔滨150086

目的:通过模拟攻击测试,发现医院网络安全漏洞及隐患。方法:根据测试结果相关数据,梳理医院网络存在的主要风险点并分析应对措施。结果:本次模拟测试共通过78个漏洞风险点攻击成功55家医疗机构,漏洞类型依次为:弱口令漏洞、越权访问漏洞... 详细信息

目的:通过模拟攻击测试,发现医院网络安全漏洞及隐患。方法:根据测试结果相关数据,梳理医院网络存在的主要风险点并分析应对措施。结果:本次模拟测试共通过78个漏洞风险点攻击成功55家医疗机构,漏洞类型依次为:弱口令漏洞、越权访问漏洞、Spring(开发程序框架)远程代码执行漏洞、文件上传漏洞、SQL注入漏洞、目录遍历漏洞、Fastjson(Java解析库)命令执行漏洞、Nacos(服务中间件)未授权访问漏洞。结论:医院网络存在安全技术力量不对等、供应链管理缺失、重应用建设轻安全、暴露面过多等风险。应从提升医院网络安全管理水平、强化医院网络安全人才培养、丰富医院网络安全技术防御手段、持续关注医院网络安全等方面加强医院网络安全建设。

关键词：攻击者网络安全安全漏洞

在线全文

学校读者我要写书评

暂无评论

基于迭代协作学习框架的信誉医学参与方选择

计算机研究与发展 2024年第9期61卷 2347-2363页

作者：陆枫李炜顾琳刘帅王润衡任宇飞戴小海廖小飞金海大数据技术与系统国家地方联合工程研究中心(华中科技大学) 武汉430074 服务计算技术与系统教育部重点实验室(华中科技大学) 武汉430074 集群与网格计算湖北省重点实验室(华中科技大学) 武汉430074 华中科技大学计算机科学与技术学院武汉430074 中澳能源信息学和需求响应技术联合研究中心(悉尼大学) 悉尼2006 分布式与高性能计算中心(悉尼大学) 悉尼2006 悉尼大学计算机学院悉尼2006 华中科技大学同济医学院附属同济医院计算机中心武汉430030

联邦学习和群智学习等协作学习技术,能够在保护数据隐私的条件下充分利用分布在各地的分布式数据深度挖掘数据中所蕴含的知识,拥有非常广阔的应用前景,尤其是在强调隐私惯例和道德约束的医疗健康领域.任何协作工作都需要选择可靠的参与... 详细信息

联邦学习和群智学习等协作学习技术,能够在保护数据隐私的条件下充分利用分布在各地的分布式数据深度挖掘数据中所蕴含的知识,拥有非常广阔的应用前景,尤其是在强调隐私惯例和道德约束的医疗健康领域.任何协作工作都需要选择可靠的参与方,协作学习中全局模型的性能在很大程度上取决于参与方的选择.然而,现有研究在选择参与方时都没有对不同机构医疗数据中存在的异质性加以直接关注.导致包含稳定性在内的全局模型的性能难以得到保障.提出了从信誉的角度尝试探索求解该问题.以迭代协作学习的方式尽可能挑选出具有良好信誉的参与方进行协作学习,以获得稳定可靠的高性能全局模型.首先,提出了一个描述医疗机构数据质量的AI信誉值指标AMP(AI medical promise),以帮助其在医疗领域中形成良好的AI生态.其次,建立了一个基于后向选择的迭代协作学习(colback-learning)框架.在单次协作学习任务中,利用后向选择方法以多项式时间复杂度迭代计算出性能良好且稳定的全局模型,完成AMP计算和积累.在AMP信誉值计算中,制定了一个综合考虑全局性能指标的评分函数,以针对医疗领域更有效地指导全局模型的训练.最后,使用真实医疗数据模拟多样化的协作学习场景.实验表明,colback-learning能够选择可靠参与方训练得到性能良好的全局模型,模型的性能稳定性比现有最好的参与方选择方法提高了1.3~6倍.全局模型的可解释性与集中式学习保持了较高的一致性.

关键词：协作学习联邦学习参与方选择数据贡献区块链神经网络

基于机器学习的重症患儿院际转运风险预测模型的构建

在线全文

学校读者我要写书评

暂无评论

中华急诊医学杂志 2024年第5期33卷 690-697页

作者：袁远宏张慧欧叶玉康霞艳刘娟胥志跃朱丽凤肖政辉湖南省儿童医院急救中心长沙410007 湖南省儿童医院肝病中心长沙410007 中南大学计算机科学与工程学院长沙410012

目的基于机器学习方法构建重症患儿院际转运风险预测模型,识别出影响转运预后的关键性医学特征,提高转运的成功率。方法前瞻性的选取2020年1月至2021年1月期间湖南省儿童医院转运中心通过院际转运的收住重症监护病房的重症患儿为研究对... 详细信息

目的基于机器学习方法构建重症患儿院际转运风险预测模型,识别出影响转运预后的关键性医学特征,提高转运的成功率。方法前瞻性的选取2020年1月至2021年1月期间湖南省儿童医院转运中心通过院际转运的收住重症监护病房的重症患儿为研究对象,对其重症医学特征数据和第三代儿童死亡风险(pediatric risk of mortality,PRISMⅢ)评分系统的相关数据进行收集和处理,基于逻辑回归、决策树模型、Relief算法3种机器学习模型构建风险预测模型,利用反向传播神经网络构建转诊结局预测模型对风险预测模型所选医学特征进行验证和分析,探寻影响院际转运风险的关键医学特征。结果在纳入的549例转诊患儿中,新生儿222例(40.44%),非新生儿327例(59.56%),院内死亡50例,病死率为9.11%。对所收集的151项重症患儿医学特征数据进行数据处理,三种模型各自选取影响转诊结局的前15项重要的特征,共有34项入选。其中决策树模型所选特征与PRISMⅢ指标的重叠度为72.7%,高于逻辑回归的36.4%和Relief算法的27.3%,且训练预测精确率为0.94,也高于纳入所有特征训练精确率0.90,表明决策树模型是一种具有良好临床实用性的预测模型。在决策树入选的前15项重要特征中,通过量化特征的小提琴图对转诊结局影响的大小排序为:碱剩余、总胆红素、钙离子、总耗时、动脉氧分压、血液(包括白细胞、血小板、凝血酶原时间/凝血活酶时间)、二氧化碳分压、血糖、收缩压、心率、器官衰竭、乳酸、毛细血管再充盈时间、体温、发绀,其中有8项重要特征与PRISMⅢ的指标重叠,分别是收缩压、心率、体温、瞳孔反射、神志状态、酸中毒、动脉氧分压、二氧化碳分压、血液、血糖。利用决策树分别对新生儿和非新生儿两个数据集选择有高度影响的前15个医学特征,共有19项特征入选,其中新生儿与非新生儿的重要特征之间有8个差异项和11个重叠项。结论机器学习模型可作为预测重症患儿院际转运风险的可靠工具。决策树模型具有较佳的性能,有助于识别影响院际转运风险的关键医学特征,提高重症患儿院际转运的成功率。

关键词：院际转运重症患儿机器学习儿童死亡风险评分预测模型

在线全文

学校读者我要写书评

暂无评论

面向医学图像融合的多尺度特征频域分解滤波

软件学报 2024年

作者：刘慧朱积成王欣雨盛玉瑞张彩明聂礼强哈尔滨工业大学(深圳)计算机学院山东财经大学计算机科学与技术学院山东省数字媒体技术重点实验室(山东财经大学) 山东第一医科大学第一附属医院山东大学软件学院

多模态医学图像融合技术可以实现不同模态数据反映的组织结构与病变信息的融合,为后续医疗诊断、手术导航等临床应用提供更为全面和准确的医学图像分析.针对现有融合方法中存在的部分光谱退化、黏连病变侵袭区域边缘和细节缺失和色彩还... 详细信息

多模态医学图像融合技术可以实现不同模态数据反映的组织结构与病变信息的融合,为后续医疗诊断、手术导航等临床应用提供更为全面和准确的医学图像分析.针对现有融合方法中存在的部分光谱退化、黏连病变侵袭区域边缘和细节缺失和色彩还原不足等问题,提出一种在多尺度特征频域分解滤波域内实现图像多特征增强和色彩保留的多模态医学图像融合方法.该方法将源图像分解为平滑、纹理、轮廓和边缘4个特征层,分别利用特定融合规则并通过图像重构产生融合结果.特别地,鉴于平滑层所含潜在特征信息,提出视觉显著性分解策略,多尺度多维度地挖掘平滑层图像能量、部分纤维纹理等特征,提升源图像信息利用率;在纹理层中,提出纹理增强算子,通过空间结构和信息度量提取细节及其层次信息,解决现有融合方法中对黏连病变区域侵袭状态难以区分等问题.此外,针对缺乏公开腹部数据集的问题,配准403组腹部图像可供公开访问和下载.在Atlas公开数据集和腹部数据集上与6种基准方法对比及消融实验结果表明,所提方法相较于最先进的方法在融合图像与源图像相似度提升22.92%,边缘保持度提升35.79%,空间频率提升28.79%,对比度提升32.92%,并在视觉和计算效率方面有较好的效果,明显优于其他方法.

关键词：医学图像融合多尺度特征频域分解滤波视觉显著性分解策略纹理增强算子多模态腹部数据集

GZMH:用于有丝分裂细胞核检测和分割的乳腺癌病理图像数据集

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

中国图象图形学报 2024年第3期29卷 608-619页

作者：汪华登王雪馨黎兵兵刘志鹏许浩潘细朋蓝如师罗笑南广西图像图形与智能处理重点实验室桂林541004 桂林电子科技大学计算机与信息安全学院桂林541004 广东省人民医院赣州医院赣州市立医院病理科赣州341000

目的有丝分裂细胞核计数是乳腺癌诊断和组织学分级的3个重要评分指标之一,基于深度学习的自动检测方法,可以有效辅助医生进行乳腺病理图像有丝分裂细胞核识别和计数。而当前研究中的公开数据集多为竞赛所用,由举办方联合数据提供者挑... 详细信息

目的有丝分裂细胞核计数是乳腺癌诊断和组织学分级的3个重要评分指标之一,基于深度学习的自动检测方法,可以有效辅助医生进行乳腺病理图像有丝分裂细胞核识别和计数。而当前研究中的公开数据集多为竞赛所用,由举办方联合数据提供者挑选而来,与医院临床应用中所使用的数据存在较大的差异,不利于模型性能及泛化能力的测试验证。针对以上问题,本文发布了来自中国赣州市立医院临床环境的数据集GZMH(Ganzhou municipal hospital)。方法整理并公开发布的数据集GZMH包含55幅全视野数字切片(whole slide images, WSIs)临床乳腺癌病理图像,提供了用于有丝分裂细胞核目标检测和语义分割研究的两种标注,并由2名高年资医师对3名初级病理医师的标注进行了复核。5种主流目标检测方法和5种经典分割方法在GZMH数据集上进行了训练和测试,检验它们在临床数据集GZMH上的性能。结果目标检测方法实验结果比较中,SSD(single shot multibox detector)模型取得了最佳的效果,F1分数为0.511;分割方法实验结果比较中,R2U-Net(recurrent rsidual convolutional neural network based on U-Net)性能最佳,F1分数为0.430。所有方法在面对较大规模的临床数据集GZMH时体现的性能都明显低于它们在一些公开数据集上的性能。结论本文所提出的GZMH数据集能够用于有丝分裂目标检测与语义分割研究任务,且此数据集中的图像更加接近实际的应用场景,在推动乳腺病理图像有丝分裂细胞核分割的研究和临床应用方面具有较大的价值。数据集的在线发布地址为:https://***/10.57760/sciencedb.08547。

关键词：乳腺癌病理图像有丝分裂细胞核目标检测语义分割数据集

LIF-SSEM:一种高光谱图像分类的脉冲神经网络研究

在线全文

学校读者我要写书评

暂无评论

河南大学学报(自然科学版) 2024年第3期54卷 285-293页

作者：党兰学李金阳白春洋刘扬河南大学河南省大数据分析与处理重点实验室/计算机与信息工程学院河南大学淮河医院

针对深度学习模型参数多、算法复杂、计算能耗高，难以应用在高光谱图像分类的移动计算问题，本文设计了一种基于LIF神经元和注意力机制的脉冲神经网络(LIF-SSEM)模型.利用SNN架构和注意力机制融合高光谱图像的时空信息，可消除光谱异... 详细信息

针对深度学习模型参数多、算法复杂、计算能耗高，难以应用在高光谱图像分类的移动计算问题，本文设计了一种基于LIF神经元和注意力机制的脉冲神经网络(LIF-SSEM)模型.利用SNN架构和注意力机制融合高光谱图像的时空信息，可消除光谱异质给图像分类带来的不确定性.模型同时利用LIF神经元和近似导数算法可实现空间光谱特征的有效提取.在IP、PU、SA、WHHC和WHLK数据集的实验结果表明，LIF-SSEM模型具有较好的性能优势.

关键词：高光谱图像分类脉冲神经网络 LIF 近似导数算法注意力机制