课程文献中心 更多>>

关键词： 体层摄影术,X线计算机   图像去噪   压缩重建   低剂量CT   肺肿瘤   肺癌筛查  

摘要： 目的:针对少视角的低剂量CT图像重建问题,提出一种BM3D-GAMP稀疏重建算法,并探究其在低剂量肺癌筛查中的潜在应用价值。方法:回顾性收集298例发现结节的常规剂量CT平扫病例的DICOM资料和投影数据,选取各例最大结节最大横径对应层面的投影数据。以0.1的压缩比例均匀选取投影角度以模拟稀疏均匀采样策略对压缩的投影数据进行重建,并使用Matlab实现算法。通过客观评价指标和主观图像质量评分比较提出的压缩重建算法与另两种算法的重建性能,并将重建图像与原始图像质量进行对比。3名高年资放射科医师对3种不同算法重建出的最大结节层面的图像进行评分。结果:客观指标和3名医生得到的统一临床评价均表明提出的联合算法在模拟肺癌筛查LDCT欠采样图像的去噪重建中性能最优(P<0.001)。亚组分析表明这种图像重建质量的优越性仅在对实性结节的重建中不再显著(BM3D-IT ***3D-GAMP,P=0.808),且这种差异在小结节(5~<15 mm)上更显著。结论:去噪-重建联合算法在少角度采样的肺癌筛查LDCT图像重建上有较高的应用价值。

关键词： 运动能耗估测   深度森林   遗传算法   特征筛选  

摘要： 针对运动能耗(EE)精确测量存在专业设备成本高、操作难度大的问题,因此利用多类型微型传感器集成的可穿戴设备采集运动相关数据,并利用机器学习模型对EE进行连续估测,是较为便利的替代方案。本文创新性地探究了深度森林(DF)算法在运动量估计方面的可行性。同时,为了进一步降低估计模型复杂度,以适用于算力有限的可穿戴设备,对于DF算法的输入特征集进行了基于遗传算法(GA)的特征优选。在公开数据集上的测试结果表明:本文所提出的基于特征优化的DF运动量估测方案性能优于传统机器学习算法;并且在降低模型复杂度和算力要求的同时,进一步提升了EE的估测精度。

关键词： 机场货站   集装器装载   不规则集装器   多目标优化   NSGA-Ⅱ算法  

摘要： 为贴合机舱内部弧形形状,实际集装器(ULD)多为不规则形状,实现机场货站不规则集装器的高效率装载,有利于提升航空货物运输的整体效率。在考虑货物容积限制等一系列实际装载约束下,建立以集装器容积利用率最大、装载货物数量最多和载重利用率最大为目标的不规则集装器多目标装载优化模型,并设计改进NSGA-Ⅱ算法对模型求解。以空间三向分割等原则构建启发式算法;采用NSGA-Ⅱ算法,进行交叉、变异、选择等操作,生成帕累托前沿集合;选出容积利用率最大的最优装载方案。实验结果表明:改进NSGA-Ⅱ算法在强异构货物装载条件下,仍能保持93.84%的高容积利用率;相比于初始NSGA-Ⅱ算法,所提的改进NSGA-Ⅱ算法能使容积利用率提升13%,表明改进NSGA-Ⅱ算法在不规则集装器装载问题上有良好的适应性,可为机场货站不规则集装器装载提供参考。

关键词： 调频连续波(FMCW)雷达   大规模随机人体运动   变分模态分解(VMD)   最佳距离窗选择  

摘要： 针对调频连续波(frequency modulated continuous wave,FMCW)雷达生命体征检测在存在大规模的随机人体运动场景中检测准确性过低的问题,提出了一种高精度的人体生命体征检测算法。该算法首先通过能量聚焦选取胸部最佳距离窗,消除运动伪影的干扰;然后利用多项式拟合距离窗序列,消除距离窗的剧烈跳变,准确提取相位信号;最后,通过基于自相关功率谱密度与加权排列熵的改进变分模态分解(variational mode decomposition,VMD)算法去除相位信号中的大规模随机人体运动成分,进而可以精确估计出生命体征信号的呼吸速率(RR)和心率(HR)。使用77 GHz雷达模拟生活场景中存在大规模随机人体运动时的生命体征检测实验,尽管人体前后晃动的幅度达到20 cm,RR和HR的估计精度依然可以达到97.7%和96.9%,与RETF-TVF-EMD算法对比,精度分别提高了5.2和2.7百分点,与IAP-VMD算法对比,精度分别提升了14.3和7.9百分点,实验结果证明该算法能够精确估计大规模随机人体运动场景下的生命体征参数。

关键词： 工业洗涤设备   改进遗传算法   作业车间调度   多品种小批量   自适应策略  

摘要： 针对工业洗涤设备多品种、小批量的生产特点,以最大加工时间最小化为目标,提出一种改进的遗传算法。对适应度函数进行改进,采用轮盘赌方式选择染色体,运用POX算子交叉法对染色体进行交叉操作,结合自适应调整的交叉概率与变异概率提高算法寻优能力与收敛速度。以作业车间调度问题标准算例FT06与LA01作为仿真实验对象,仿真结果表明,改进遗传算法的寻优能力与得到的最优解优于传统遗传算法,具有可行性与精确性。

关键词： 深度学习算法   计算机断层扫描   自动诊断系统   非小细胞肺癌   分期  

摘要： 目的建立基于深度学习算法的计算机断层扫描(CT)自动诊断系统,并探讨其在非小细胞肺癌(NSCLC)患者肿瘤淋巴结转移(TNM)分期中的应用。方法回顾性分析本单位2020年1月~2022年6月收治的245例NSCLC患者的临床资料作为训练集,提取CT检查特征信息和TNM分期数据,基于深度学习算法构建CT自动诊断系统。另选取本单位2022年7月~2023年6月收治的102例NSCLC患者作为验证集,经该系统诊断TNM分期,将病理学检查结果作为“金标准”,评价该系统对TNM分期的诊断价值。结果基于深度学习算法构建了CT自动诊断系统,该系统诊断各期的灵敏度、特异度、准确度与约登指数均高于常规CT诊断;基于深度学习算法的CT自动诊断系统诊断TNM分期与病理学诊断一致性高(Kappa=0.846,P<0.001),常规CT诊断TNM分期与病理学诊断也有一致性(Kappa=0.721,P<0.001)。结论基于深度学习算法的CT自动诊断系统诊断TNM分期优于常规CT。

关键词： 目标跟踪   点提示   零样本分割   深度学习  

摘要： 当前目标跟踪算法往往采用目标框或分割掩模初始化模板,然而在有限操作时间或恶劣场景时却难以提供目标框或分割掩模。提出一种点提示的目标跟踪算法,其仅需要提供位于目标分割掩模中的任一图像坐标即可完成模板初始化。首先,采用SAM对图像目标进行零样本分割,获取分割掩模,求外界矩形框作为ATOM跟踪算法的输入,从而完成模板初始化;然后,采用高斯-牛顿共轭梯度法对模板在线快速学习,获得目标定位器,与离线学习的IoU预测分支共同完成目标跟踪任务;最后,根据点提示输入完成目标跟踪算法仿真。仿真结果表明,在UAV123数据集上,算法的精度P达到79.7%,AUC达到60.6%,跟踪性能相较于经典算法有一定提升,同时,FPS达到87.4帧/s,满足实时跟踪要求。

关键词： 随机优化   度量学习   方差缩减   非凸优化  

摘要： 文章针对度量学习原凸问题的非凸重新表述,提出了一种带方差缩减策略的非凸随机优化算法(ML_NSVR),用于更高效地求解非凸度量学习问题。在适当的初始选择下,该算法在有限制的强凸条件下能够收敛,其收敛性得到了理论证明。数值实验验证了算法的有效性,为解决非凸度量学习问题提供了一种新的思路。同时,文章将所提算法与传统的随机梯度下降算法(SGD)和随机方差缩减梯度算法(SVRG)进行了优化效果对比。实验结果表明,ML_NSVR算法的效率更高。

关键词： 噪声数据   推荐算法   超图   全局关系   自监督学习   交互图   数据增强  

摘要： 为改善基于图神经网络的推荐模型在实际推荐场景中面临数据出现噪声和倾斜分布时性能下降的问题,提出一种基于超图的自监督推荐算法。采用超图Transformer捕捉用户与物品之间的全局关系,引入自监督学习以增强数据,提高模型的鲁棒性。在实际数据集上的训练结果表明,模型在提升推荐效果方面表现优异,特别是在解决数据稀疏性和噪声问题上表现出较强的能力。通过消融实验进一步验证了这些发现,展现了该算法在现代推荐系统中的应用潜力。

关键词： 卷积神经网络   巡检机器人   识别方法   萤火虫算法  

摘要： 为提升变电站智能巡检中图像识别的准确性与效率,提出一种基于改进萤火虫算法的混合深度学习方法,用于变电站巡检机器人的目标识别。首先,提出了一种改进的萤火虫算法,通过动态调整随机参数和光强衰减系数,实现卷积神经网络超参数的全局优化,显著提升了模型的收敛速度和精确性;然后,将基于改进萤火虫算法优化的卷积神经网络与支持向量机相结合,利用卷积神经网络对巡检图像进行高层次特征提取,再将提取的特征输入到支持向量机分类器中完成图像分类,实现了对巡检图像的高效、精确识别。仿真结果表明,所提方法在各类故障检测任务中具有良好的识别效果。