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
井下煤炭运输多环节复杂背景下高精度煤矸识别方法
1
作者
栾亨宣
安乐
+7 位作者
田莹
顾颉颖
张强
陈宏伟
付翔
胡成军
崔志芳
陈锐
《煤炭科学技术》
北大核心
2025年第9期459-468,共10页
煤矸智能分选是发展煤炭智能绿色开采的关键技术之一。准确识别煤矸石是智能分选的先决条件,如何克服井下复杂环境的影响,已成为影响机器视觉识别效果的现实难题。针对井下煤炭运输系统,构建具有单一、二混合和三混合背景的11类图像数据...
煤矸智能分选是发展煤炭智能绿色开采的关键技术之一。准确识别煤矸石是智能分选的先决条件,如何克服井下复杂环境的影响,已成为影响机器视觉识别效果的现实难题。针对井下煤炭运输系统,构建具有单一、二混合和三混合背景的11类图像数据集,包含水渍、煤粉、碎煤与碎矸石及运输设备部件等背景干扰因素。提出了一种融合多种注意力与残差连接的高精度煤矸智能识别方法,高分辨率阶段使用残差卷积块快速生成高质量标记(token),后续阶段使用级联的Channel Spatial Swin Transformer Block(CSSTB)进行深层表征学习。为提升模型对背景噪声的抗干扰能力,网络集成全局、通道、空间多种注意力机制,增强特征表达的鲁棒性。CSSTB中利用基于负斜率特性强化稀疏激活的LeakyReLU线性注意力机制建模全局信息,通过卷积注意力机制模块(CBAM)优化模型注意力分布,提升模型泛化能力。此外,考虑到煤、矸石和输送设备零部件的尺度差异,跨阶段使用残差连接以增强多尺度特征的通信和信息流通。结果表明:所提模型在单一、二混合和三混合背景上的平均准确度达到95.06%、97.77%、95.65%,相较于基线网络Swin Transformer-Tiny分别提高7.01%、4.83%、1.03%。可视化试验表明,对比模型在水渍、暗光和反光等复杂背景干扰下难以准确区分煤和矸石,而所提出模型能够精准聚焦于煤和矸石的关键特征区域,抗干扰能力强。研究结果为井下原煤运输中的煤矸高效分选提供了理论参考。
展开更多
关键词
深度学习
煤矸识别
井下环境
注意力机制
梯度加权类激活热图
在线阅读
下载PDF
职称材料
基于深度学习算法联合Grad-CAM的宫腔镜子宫内膜病变诊断模型研究
被引量：
4
2
作者
曹明亮
尹蜜
+9 位作者
王庆彬
朱汉峰
李星
张珺
毛林
穆雪峰
曹敏
马于涛
王健
张燕
《实用妇产科杂志》
CAS
CSCD
北大核心
2024年第5期409-413,共5页
目的:探讨基于深度学习(DL)算法联合可视化技术梯度加权类激活热图(Grad-CAM)开发的宫腔镜子宫内膜病变诊断模型的有效性。方法:选择2021年6月1日至2022年12月31日在武汉大学人民医院妇科行宫腔镜检查的291例患者的303段宫腔镜视频(478...
目的:探讨基于深度学习(DL)算法联合可视化技术梯度加权类激活热图(Grad-CAM)开发的宫腔镜子宫内膜病变诊断模型的有效性。方法:选择2021年6月1日至2022年12月31日在武汉大学人民医院妇科行宫腔镜检查的291例患者的303段宫腔镜视频(4781张图像),采用权重采样的方法,将数据集划分为训练集(3703张)和测试集(1078张)。在对训练集用于模型学习与训练后,选择残差神经网络(ResNet18)和高效神经网络(EfficientNet-B0)两种模型架构对测试集分别采用五类和二类分类任务进行模型验证。以病理组织学为金标准,评估其诊断效能,从而选出最优模型,并将Grad-CAM层嵌入最优模型中,输出宫腔镜图像Grad-CAM。结果:①在五类分类任务中,EfficientNet-B0模型的准确度(93.23%)高于ResNet18模型(84.23%);EfficientNet-B0模型在诊断无不典型性子宫内膜增生、子宫内膜息肉、子宫内膜癌、子宫内膜非典型增生、黏膜下肌瘤5种疾病的曲线下面积(AUC)均稍高于ResNet18模型,两者的AUC几乎都在0.980以上。②在准确度的二类分类任务中和对特异度的评估中,两种模型相似,均在93.00%以上,而EfficientNet-B0模型敏感度(91.14%)明显优于ResNet18模型(77.22%)。③EfficientNet-B0模型联合Grad-CAM算法可识别出图像中异常区域,取活检经病理检查证实,模型输出热力图中标记区域约95%为病灶区域。结论:EfficientNet-B0模型联合Grad-CAM研发的宫腔镜诊断模型具有较高的诊断准确度、敏感度和特异度,在诊断子宫内膜病变方面具有应用价值。
展开更多
关键词
宫腔镜
子宫内膜癌
卷积神经网络
梯度加权类激活热图
深度学习
在线阅读
下载PDF
职称材料
题名
井下煤炭运输多环节复杂背景下高精度煤矸识别方法
1
作者
栾亨宣
安乐
田莹
顾颉颖
张强
陈宏伟
付翔
胡成军
崔志芳
陈锐
机构
山东科技大学机械电子工程学院
山东科技大学智能装备学院
中铁十七局集团有限公司
太原理工大学矿业工程学院
中煤(天津)地下工程智能研究院有限公司
山西新元煤炭有限责任公司新元煤矿
上海华能电子商务有限公司
出处
《煤炭科学技术》
北大核心
2025年第9期459-468,共10页
基金
国家自然科学基金资助项目(52204171)
山东省自然科学基金资助项目(ZR2021QE085)
山东省高等学校青年创新团队发展计划资助项目(2022KJ321)。
文摘
煤矸智能分选是发展煤炭智能绿色开采的关键技术之一。准确识别煤矸石是智能分选的先决条件,如何克服井下复杂环境的影响,已成为影响机器视觉识别效果的现实难题。针对井下煤炭运输系统,构建具有单一、二混合和三混合背景的11类图像数据集,包含水渍、煤粉、碎煤与碎矸石及运输设备部件等背景干扰因素。提出了一种融合多种注意力与残差连接的高精度煤矸智能识别方法,高分辨率阶段使用残差卷积块快速生成高质量标记(token),后续阶段使用级联的Channel Spatial Swin Transformer Block(CSSTB)进行深层表征学习。为提升模型对背景噪声的抗干扰能力,网络集成全局、通道、空间多种注意力机制,增强特征表达的鲁棒性。CSSTB中利用基于负斜率特性强化稀疏激活的LeakyReLU线性注意力机制建模全局信息,通过卷积注意力机制模块(CBAM)优化模型注意力分布,提升模型泛化能力。此外,考虑到煤、矸石和输送设备零部件的尺度差异,跨阶段使用残差连接以增强多尺度特征的通信和信息流通。结果表明:所提模型在单一、二混合和三混合背景上的平均准确度达到95.06%、97.77%、95.65%,相较于基线网络Swin Transformer-Tiny分别提高7.01%、4.83%、1.03%。可视化试验表明,对比模型在水渍、暗光和反光等复杂背景干扰下难以准确区分煤和矸石,而所提出模型能够精准聚焦于煤和矸石的关键特征区域,抗干扰能力强。研究结果为井下原煤运输中的煤矸高效分选提供了理论参考。
关键词
深度学习
煤矸识别
井下环境
注意力机制
梯度加权类激活热图
Keywords
deep learning
coal and gangue identification
underground environment
attention mechanisms
gradient-weighted class activation maps(Grad-CAM)
分类号
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
基于深度学习算法联合Grad-CAM的宫腔镜子宫内膜病变诊断模型研究
被引量：
4
2
作者
曹明亮
尹蜜
王庆彬
朱汉峰
李星
张珺
毛林
穆雪峰
曹敏
马于涛
王健
张燕
机构
武汉大学人民医院妇产科
华中师范大学计算机学院
武汉大学计算机学院
出处
《实用妇产科杂志》
CAS
CSCD
北大核心
2024年第5期409-413,共5页
基金
武汉大学人民医院2022年度交叉创新人才项目(编号:JCRCZN-2022-009)。
文摘
目的:探讨基于深度学习(DL)算法联合可视化技术梯度加权类激活热图(Grad-CAM)开发的宫腔镜子宫内膜病变诊断模型的有效性。方法:选择2021年6月1日至2022年12月31日在武汉大学人民医院妇科行宫腔镜检查的291例患者的303段宫腔镜视频(4781张图像),采用权重采样的方法,将数据集划分为训练集(3703张)和测试集(1078张)。在对训练集用于模型学习与训练后,选择残差神经网络(ResNet18)和高效神经网络(EfficientNet-B0)两种模型架构对测试集分别采用五类和二类分类任务进行模型验证。以病理组织学为金标准,评估其诊断效能,从而选出最优模型,并将Grad-CAM层嵌入最优模型中,输出宫腔镜图像Grad-CAM。结果:①在五类分类任务中,EfficientNet-B0模型的准确度(93.23%)高于ResNet18模型(84.23%);EfficientNet-B0模型在诊断无不典型性子宫内膜增生、子宫内膜息肉、子宫内膜癌、子宫内膜非典型增生、黏膜下肌瘤5种疾病的曲线下面积(AUC)均稍高于ResNet18模型,两者的AUC几乎都在0.980以上。②在准确度的二类分类任务中和对特异度的评估中,两种模型相似,均在93.00%以上,而EfficientNet-B0模型敏感度(91.14%)明显优于ResNet18模型(77.22%)。③EfficientNet-B0模型联合Grad-CAM算法可识别出图像中异常区域,取活检经病理检查证实,模型输出热力图中标记区域约95%为病灶区域。结论:EfficientNet-B0模型联合Grad-CAM研发的宫腔镜诊断模型具有较高的诊断准确度、敏感度和特异度,在诊断子宫内膜病变方面具有应用价值。
关键词
宫腔镜
子宫内膜癌
卷积神经网络
梯度加权类激活热图
深度学习
Keywords
Hysteroscopy
Endometrial cancer
Convolutional neural network
Gradient class activation map
Deep learning
分类号
R711 [医药卫生—妇产科学]
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
井下煤炭运输多环节复杂背景下高精度煤矸识别方法
栾亨宣
安乐
田莹
顾颉颖
张强
陈宏伟
付翔
胡成军
崔志芳
陈锐
《煤炭科学技术》
北大核心
2025
0
在线阅读
下载PDF
职称材料
2
基于深度学习算法联合Grad-CAM的宫腔镜子宫内膜病变诊断模型研究
曹明亮
尹蜜
王庆彬
朱汉峰
李星
张珺
毛林
穆雪峰
曹敏
马于涛
王健
张燕
《实用妇产科杂志》
CAS
CSCD
北大核心
2024
4
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
