期刊导航
期刊开放获取
上海教育软件发展有限公..
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
2
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式：
文摘
详细
列表
相关度排序
被引量排序
时效性排序
基于残差网络与注意力机制的脉象信号分析识别
被引量：
1
1
作者
朱嘉健
冯跃
+4 位作者
徐红
林卓胜
梁惠珠
刘慧琳
李福凤
《现代电子技术》
2023年第7期57-62,共6页
传统机器学习方法在中医脉象信号分类研究中需要人工提取脉象的特征,且分类准确率不高,因此较难应用于实际环境中。为对脉象信号进行特征的自动提取和精确分类,文中采用改进的一维残差网络对脉象信号进行特征提取并结合改进的注意力机...
传统机器学习方法在中医脉象信号分类研究中需要人工提取脉象的特征,且分类准确率不高,因此较难应用于实际环境中。为对脉象信号进行特征的自动提取和精确分类,文中采用改进的一维残差网络对脉象信号进行特征提取并结合改进的注意力机制提高网络的分类性能。所构建的基于一维残差网络与注意力机制模型在单个GTX 1080 GPU上对脉象数据集进行实验,得到的平均准确率、平均召回率、平均精确率、平均F1分数均高于98.84%,在临床病例数据集中,该模型对冠心病分类的平均准确率为100%、平均召回率为99.91%、平均精确率为99.54%、平均F1分数为99.72%。与已有的脉象信号分类模型相比,该模型在脉象数据集上和临床病例数据集上的准确率分别提高1.32%~9.23%和0.21%~3.03%。存储该模型时所需容量不超过10 MB,有利于将其部署在实际脉诊设备上并应用于现实的脉象检测。
展开更多
关键词
中医
脉象分类
机器学习
特征提取
残差网络
注意力机制
在线阅读
下载PDF
职称材料
适用于面诊图像分割的轻量级网络
被引量：
1
2
作者
冯跃
李胜可
+3 位作者
李周姿
梁惠珠
林卓胜
徐红
《现代电子技术》
2023年第6期143-148,共6页
目前,面诊图像脏腑分布区域的分割大多采取传统分割方法或重量级分割网络,存在鲁棒性不强或实时性差的不足。针对上述问题,提出一种结合空洞卷积、通道重排、通道分割和非对称卷积的瓶颈结构,并基于此结构构建一种轻量级面诊图像实时语...
目前,面诊图像脏腑分布区域的分割大多采取传统分割方法或重量级分割网络,存在鲁棒性不强或实时性差的不足。针对上述问题,提出一种结合空洞卷积、通道重排、通道分割和非对称卷积的瓶颈结构,并基于此结构构建一种轻量级面诊图像实时语义分割网络。首先,通过通道分割方法分割通道,分别对分离得到的通道进行非对称卷积和空洞非对称卷积,以实现减少参数量的同时密集提取特征;其次,采用通道重排技术对处理后分离的通道进行重排,以实现通道之间的信息交互;然后,利用残差与输入特征进行连接,丰富特征信息。此外,针对中医面部五脏反射区域存在模糊边界而导致分割效果不佳的问题,提出一种加权边界感知损失函数,在模型训练的过程中给区域边界的像素赋予更大的权重。在单个GTX 1080 GPU上对面诊图像数据集进行实验,总体像素准确率、平均交并比和F1分数分别达到98.34%,86.76%和92.81%,推理速度达到57 f/s,取得整体对比最佳的分割性能。实验结果表明,所提方法能够在保证分割精度的同时实现实时分割。
展开更多
关键词
中医
面诊图像分割
轻量级
通道分割
通道重排
空洞卷积
非对称卷积
在线阅读
下载PDF
职称材料
题名
基于残差网络与注意力机制的脉象信号分析识别
被引量：
1
1
作者
朱嘉健
冯跃
徐红
林卓胜
梁惠珠
刘慧琳
李福凤
机构
五邑大学智能制造学部
维多利亚大学
上海中医药大学
出处
《现代电子技术》
2023年第7期57-62,共6页
基金
广东省普通高校重点领域专项项目(2021ZDZX1032)
广东省国际及港澳台高端人才交流专项(2020A1313030021)
五邑大学科研项目(2018TP023,2018GR003)。
文摘
传统机器学习方法在中医脉象信号分类研究中需要人工提取脉象的特征,且分类准确率不高,因此较难应用于实际环境中。为对脉象信号进行特征的自动提取和精确分类,文中采用改进的一维残差网络对脉象信号进行特征提取并结合改进的注意力机制提高网络的分类性能。所构建的基于一维残差网络与注意力机制模型在单个GTX 1080 GPU上对脉象数据集进行实验,得到的平均准确率、平均召回率、平均精确率、平均F1分数均高于98.84%,在临床病例数据集中,该模型对冠心病分类的平均准确率为100%、平均召回率为99.91%、平均精确率为99.54%、平均F1分数为99.72%。与已有的脉象信号分类模型相比,该模型在脉象数据集上和临床病例数据集上的准确率分别提高1.32%~9.23%和0.21%~3.03%。存储该模型时所需容量不超过10 MB,有利于将其部署在实际脉诊设备上并应用于现实的脉象检测。
关键词
中医
脉象分类
机器学习
特征提取
残差网络
注意力机制
Keywords
traditional Chinese medicine
pulse classification
machine learning
feature extraction
residual network
attention mechanism
分类号
TN911.7-34 [电子电信—通信与信息系统]
TP391.4 [自动化与计算机技术—计算机应用技术]
在线阅读
下载PDF
职称材料
题名
适用于面诊图像分割的轻量级网络
被引量：
1
2
作者
冯跃
李胜可
李周姿
梁惠珠
林卓胜
徐红
机构
五邑大学智能制造学部
维多利亚大学
出处
《现代电子技术》
2023年第6期143-148,共6页
基金
广东省普通高校重点领域专项项目(2021ZDZX1032)
广东省国际及港澳台高端人才交流专项(2020A1313030021)
+1 种基金
五邑大学科研项目(2018TP023
2018GR003)。
文摘
目前,面诊图像脏腑分布区域的分割大多采取传统分割方法或重量级分割网络,存在鲁棒性不强或实时性差的不足。针对上述问题,提出一种结合空洞卷积、通道重排、通道分割和非对称卷积的瓶颈结构,并基于此结构构建一种轻量级面诊图像实时语义分割网络。首先,通过通道分割方法分割通道,分别对分离得到的通道进行非对称卷积和空洞非对称卷积,以实现减少参数量的同时密集提取特征;其次,采用通道重排技术对处理后分离的通道进行重排,以实现通道之间的信息交互;然后,利用残差与输入特征进行连接,丰富特征信息。此外,针对中医面部五脏反射区域存在模糊边界而导致分割效果不佳的问题,提出一种加权边界感知损失函数,在模型训练的过程中给区域边界的像素赋予更大的权重。在单个GTX 1080 GPU上对面诊图像数据集进行实验,总体像素准确率、平均交并比和F1分数分别达到98.34%,86.76%和92.81%,推理速度达到57 f/s,取得整体对比最佳的分割性能。实验结果表明,所提方法能够在保证分割精度的同时实现实时分割。
关键词
中医
面诊图像分割
轻量级
通道分割
通道重排
空洞卷积
非对称卷积
Keywords
traditional Chinese medicine
facial diagnosis image segmentation
lightweight
channel segmentation
channel rearrangement
dilated convolution
asymmetric convolution
分类号
TN911.73-34 [电子电信—通信与信息系统]
TP391.41 [自动化与计算机技术—计算机应用技术]
在线阅读
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
基于残差网络与注意力机制的脉象信号分析识别
朱嘉健
冯跃
徐红
林卓胜
梁惠珠
刘慧琳
李福凤
《现代电子技术》
2023
1
在线阅读
下载PDF
职称材料
2
适用于面诊图像分割的轻量级网络
冯跃
李胜可
李周姿
梁惠珠
林卓胜
徐红
《现代电子技术》
2023
1
在线阅读
下载PDF
职称材料
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部
