针对传统医疗图像误差预测算法无法很好的选择图像特征,存在图像误差预测值与实际值拟合度低、预测耗时长等问题,提出基于卷积神经网络与特征选择的医疗图像误差预测算法.首先,选取5种集成规则构建自适应多分类器,对医疗图像区域进行分...针对传统医疗图像误差预测算法无法很好的选择图像特征,存在图像误差预测值与实际值拟合度低、预测耗时长等问题,提出基于卷积神经网络与特征选择的医疗图像误差预测算法.首先,选取5种集成规则构建自适应多分类器,对医疗图像区域进行分类;其次,训练卷积神经网络,利用训练完成的神经网络提取不同类别医疗图像区域特征,以此为基础计算区域距离,寻找出相似度最小的区域,完成图像可疑区域定位;再次,融合多评价标准生成特征子集,从中搜索得到最优特征子集,完成可疑区域图像特征选择;最后,以选择得到的特征区域像素点作为训练样本,建立预测样本与训练样本之间的多元线性回归矩阵,实现误差预测.实验结果表明,所提算法的集成规则适应度较高,分类性能好,区域距离计算准确率高达95%左右,特征选择的AUC值(Area Under Curve)高,且预测结果拟合度和预测耗时均优于传统算法.展开更多
为实现传热和振动条件下连续体结构的拓扑优化设计,以结构散热弱度最小化和动态特征值最大化加权函数为目标,建立传热和振动条件下连续体结构的多目标拓扑优化模型,实现了相应的算法和算例。方法中采用Rational Approximation of Materi...为实现传热和振动条件下连续体结构的拓扑优化设计,以结构散热弱度最小化和动态特征值最大化加权函数为目标,建立传热和振动条件下连续体结构的多目标拓扑优化模型,实现了相应的算法和算例。方法中采用Rational Approximation of Material Properties(RAMP)方法对密度进行惩罚,利用优化准则法控制设计目标与材料分布,以敏度过滤技术抑制棋盘格效应,通过归一化目标函数有效地避免了不同性质目标函数的量级差异。通过算例,获得了热-振权重系数对结构拓扑构型和目标函数(宏观结构的散热弱度和基频)的影响规律,算例结果表明了该方法的有效性。展开更多
文摘针对传统医疗图像误差预测算法无法很好的选择图像特征,存在图像误差预测值与实际值拟合度低、预测耗时长等问题,提出基于卷积神经网络与特征选择的医疗图像误差预测算法.首先,选取5种集成规则构建自适应多分类器,对医疗图像区域进行分类;其次,训练卷积神经网络,利用训练完成的神经网络提取不同类别医疗图像区域特征,以此为基础计算区域距离,寻找出相似度最小的区域,完成图像可疑区域定位;再次,融合多评价标准生成特征子集,从中搜索得到最优特征子集,完成可疑区域图像特征选择;最后,以选择得到的特征区域像素点作为训练样本,建立预测样本与训练样本之间的多元线性回归矩阵,实现误差预测.实验结果表明,所提算法的集成规则适应度较高,分类性能好,区域距离计算准确率高达95%左右,特征选择的AUC值(Area Under Curve)高,且预测结果拟合度和预测耗时均优于传统算法.
文摘为实现传热和振动条件下连续体结构的拓扑优化设计,以结构散热弱度最小化和动态特征值最大化加权函数为目标,建立传热和振动条件下连续体结构的多目标拓扑优化模型,实现了相应的算法和算例。方法中采用Rational Approximation of Material Properties(RAMP)方法对密度进行惩罚,利用优化准则法控制设计目标与材料分布,以敏度过滤技术抑制棋盘格效应,通过归一化目标函数有效地避免了不同性质目标函数的量级差异。通过算例,获得了热-振权重系数对结构拓扑构型和目标函数(宏观结构的散热弱度和基频)的影响规律,算例结果表明了该方法的有效性。
基金国家自然科学基金(the National Natural Science Foundation of China under Grant No.60272034No.60472099)浙江省自然科学基金(the Natural Science Foundation of Zhejiang Province of China under Grant No.Y106080)
