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
3
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
残差混合注意力与自适应特征融合的脑肿瘤分割
1
作者
吴进旭
吴云
《计算机应用研究》
北大核心
2025年第8期2525-2531,共7页
脑肿瘤图像的自动化分割在脑肿瘤的辅助诊断和治疗方面至关重要。针对脑肿瘤图像病变区域复杂多变、病灶与背景区域边界模糊的问题,提出了一种结合残差混合注意力、自适应特征融合的脑肿瘤分割方法(residual adaptive convolution-Net,R...
脑肿瘤图像的自动化分割在脑肿瘤的辅助诊断和治疗方面至关重要。针对脑肿瘤图像病变区域复杂多变、病灶与背景区域边界模糊的问题,提出了一种结合残差混合注意力、自适应特征融合的脑肿瘤分割方法(residual adaptive convolution-Net,RAC-Net)。首先,使用双动态卷积增强(dual dynamic convolution enhancement,DDCE)模块以实现更灵活的特征提取和增强模型的适应能力;然后,引入残差混合注意力(residual mixed attention,RMA)模块,以充分提取图像的全局与局部特征;最后,在解码路径中使用自适应特征融合(adaptive feature fusion module,AF2M)模块来对深层与浅层特征进行融合,以获取更丰富的特征信息。在公共数据集BraTS2019与BraTS2021上进行实验,并使用数据集BraTS2023进行跨数据集验证,结果显示RAC-Net的大部分指标均优于现有主流分割方法,说明该分割方法对临床相关脑肿瘤疾病的辅助诊断具有一定的应用价值。
展开更多
关键词
脑肿瘤分割
自适应特征融合
残差混合注意力
双动态卷积增强
在线阅读
下载PDF
职称材料
基于残差混合注意力机制的脑部CT图像分类卷积神经网络模型
被引量：
19
2
作者
乔思波
庞善臣
+3 位作者
王敏
翟雪
于世行
丁桐
《电子学报》
EI
CAS
CSCD
北大核心
2021年第5期984-991,共8页
针对阿尔兹海默症、病变(如脑肿瘤)和健康老化的3类脑部CT图像分类问题,本文提出了一种改进的ResNet-10卷积神经网络模型.该模型在网络的残差映射结构中加入残差混合注意力模块,解决了原模型提取的特征分辨性弱的问题,精确捕捉了脑部组...
针对阿尔兹海默症、病变(如脑肿瘤)和健康老化的3类脑部CT图像分类问题,本文提出了一种改进的ResNet-10卷积神经网络模型.该模型在网络的残差映射结构中加入残差混合注意力模块,解决了原模型提取的特征分辨性弱的问题,精确捕捉了脑部组织在CT图像中的位置和内容信息;此外,本文设计了全局平均池化层,简化了模型的复杂度,并在其后引入Dropout机制,缓解了过拟合.在训练阶段,该模型建立了标签平滑交叉熵损失函数,使模型在样本数量有限的情况下仍有较强的泛化能力.系列实验证明了改进后的ResNet-10网络模型在分类脑部CT图像时达到97.47%的分类精度.
展开更多
关键词
残差混合注意力
模块
标签平滑
脑部CT
卷积神经网络
在线阅读
下载PDF
职称材料
基于监督对比学习和混合注意力残差网络的隔膜泵单向阀故障诊断
被引量：
1
3
作者
任洪兵
彭宇明
黄海波
《机电工程》
CAS
北大核心
2024年第4期594-603,共10页
由于工业生产环境中的强噪声和其他环境激励,隔膜泵单向阀不同故障的特征呈现一定的相似性,导致传统深度学习方法对单向阀的故障状态难以准确识别。为解决这一问题,提出了一种结合监督对比学习和混合注意力残差神经网络(HA-ResNet)的隔...
由于工业生产环境中的强噪声和其他环境激励,隔膜泵单向阀不同故障的特征呈现一定的相似性,导致传统深度学习方法对单向阀的故障状态难以准确识别。为解决这一问题,提出了一种结合监督对比学习和混合注意力残差神经网络(HA-ResNet)的隔膜泵单向阀故障诊断方法。首先,将注意力机制引入了残差神经网络以提升网络的学习能力,自适应调节了重要但微弱特征权重,并以恒等变换减少了有效信息被抑制现象;其次,提出了加权“监督对比损失(SCL)+交叉熵(CE)损失”,调节单向阀不同故障状态数据之间的距离,明确了单向阀不同故障状态的分类边界与降低噪声或环境激励的干扰;最后,通过工程实测数据,对监督对比学习和HA-ResNet融合方法的有效性和稳定性进行了验证。研究结果表明:监督对比学习和HA-ResNet融合方法在隔膜泵单向阀验证集上的平均准确率达到了99.3%;与其他故障诊断方法相比,其在诊断精度和稳定性上都具有一定的优势,验证了该方法在噪声干扰条件下故障诊断的可靠性。
展开更多
关键词
隔膜泵
单向阀
故障诊断
监督对比损失
混合
注意力
残差
神经网络
特征相似性
深度学习方法
在线阅读
下载PDF
职称材料
题名
残差混合注意力与自适应特征融合的脑肿瘤分割
1
作者
吴进旭
吴云
机构
贵州大学公共大数据国家重点实验室
贵州大学计算机科学与技术学院
出处
《计算机应用研究》
北大核心
2025年第8期2525-2531,共7页
基金
国家自然科学基金资助项目(62266011)
贵州省科技计划资助项目(黔科合基础-ZK[2022]一般119)
贵州大学研究生创新人才计划资助项目。
文摘
脑肿瘤图像的自动化分割在脑肿瘤的辅助诊断和治疗方面至关重要。针对脑肿瘤图像病变区域复杂多变、病灶与背景区域边界模糊的问题,提出了一种结合残差混合注意力、自适应特征融合的脑肿瘤分割方法(residual adaptive convolution-Net,RAC-Net)。首先,使用双动态卷积增强(dual dynamic convolution enhancement,DDCE)模块以实现更灵活的特征提取和增强模型的适应能力;然后,引入残差混合注意力(residual mixed attention,RMA)模块,以充分提取图像的全局与局部特征;最后,在解码路径中使用自适应特征融合(adaptive feature fusion module,AF2M)模块来对深层与浅层特征进行融合,以获取更丰富的特征信息。在公共数据集BraTS2019与BraTS2021上进行实验,并使用数据集BraTS2023进行跨数据集验证,结果显示RAC-Net的大部分指标均优于现有主流分割方法,说明该分割方法对临床相关脑肿瘤疾病的辅助诊断具有一定的应用价值。
关键词
脑肿瘤分割
自适应特征融合
残差混合注意力
双动态卷积增强
Keywords
brain tumor segmentation
adaptive feature fusion
residual mixed attention
dual dynamic convolution enhancement
分类号
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
基于残差混合注意力机制的脑部CT图像分类卷积神经网络模型
被引量：
19
2
作者
乔思波
庞善臣
王敏
翟雪
于世行
丁桐
机构
中国石油大学(华东)计算机科学与技术学院
中国石油大学(华东)控制科学与工程学院
天津工业大学机械工程学院
山东大学软件学院
出处
《电子学报》
EI
CAS
CSCD
北大核心
2021年第5期984-991,共8页
基金
山东省重大科技创新工程(No.2019TSLH0214)
泰山产业领军人才(No.tscy20180416)
国家自然科学基金(No.61873281,No.61972416)。
文摘
针对阿尔兹海默症、病变(如脑肿瘤)和健康老化的3类脑部CT图像分类问题,本文提出了一种改进的ResNet-10卷积神经网络模型.该模型在网络的残差映射结构中加入残差混合注意力模块,解决了原模型提取的特征分辨性弱的问题,精确捕捉了脑部组织在CT图像中的位置和内容信息;此外,本文设计了全局平均池化层,简化了模型的复杂度,并在其后引入Dropout机制,缓解了过拟合.在训练阶段,该模型建立了标签平滑交叉熵损失函数,使模型在样本数量有限的情况下仍有较强的泛化能力.系列实验证明了改进后的ResNet-10网络模型在分类脑部CT图像时达到97.47%的分类精度.
关键词
残差混合注意力
模块
标签平滑
脑部CT
卷积神经网络
Keywords
residual hybrid attention module
label smoothing
brain CT
convolutional neural network
分类号
TP399 [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
基于监督对比学习和混合注意力残差网络的隔膜泵单向阀故障诊断
被引量：
1
3
作者
任洪兵
彭宇明
黄海波
机构
西南交通大学汽车与能源动力研究所
西南交通大学先进驱动节能技术教育部工程研究中心
出处
《机电工程》
CAS
北大核心
2024年第4期594-603,共10页
基金
四川省自然科学基金资助项目(2023NSFSC0395)
四川省科技成果转移转化示范项目(2022ZHCG0061)。
文摘
由于工业生产环境中的强噪声和其他环境激励,隔膜泵单向阀不同故障的特征呈现一定的相似性,导致传统深度学习方法对单向阀的故障状态难以准确识别。为解决这一问题,提出了一种结合监督对比学习和混合注意力残差神经网络(HA-ResNet)的隔膜泵单向阀故障诊断方法。首先,将注意力机制引入了残差神经网络以提升网络的学习能力,自适应调节了重要但微弱特征权重,并以恒等变换减少了有效信息被抑制现象;其次,提出了加权“监督对比损失(SCL)+交叉熵(CE)损失”,调节单向阀不同故障状态数据之间的距离,明确了单向阀不同故障状态的分类边界与降低噪声或环境激励的干扰;最后,通过工程实测数据,对监督对比学习和HA-ResNet融合方法的有效性和稳定性进行了验证。研究结果表明:监督对比学习和HA-ResNet融合方法在隔膜泵单向阀验证集上的平均准确率达到了99.3%;与其他故障诊断方法相比,其在诊断精度和稳定性上都具有一定的优势,验证了该方法在噪声干扰条件下故障诊断的可靠性。
关键词
隔膜泵
单向阀
故障诊断
监督对比损失
混合
注意力
残差
神经网络
特征相似性
深度学习方法
Keywords
diaphragm pump
check valve
fault diagnosis
supervised contrastive loss(SCL)
hybrid attention residual neural networks(HA-ResNet)
feature similarity
deep learning method
分类号
TH323 [机械工程—机械制造及自动化]
TD50 [矿业工程—矿山机电]
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
残差混合注意力与自适应特征融合的脑肿瘤分割
吴进旭
吴云
《计算机应用研究》
北大核心
2025
0
在线阅读
下载PDF
职称材料
2
基于残差混合注意力机制的脑部CT图像分类卷积神经网络模型
乔思波
庞善臣
王敏
翟雪
于世行
丁桐
《电子学报》
EI
CAS
CSCD
北大核心
2021
19
在线阅读
下载PDF
职称材料
3
基于监督对比学习和混合注意力残差网络的隔膜泵单向阀故障诊断
任洪兵
彭宇明
黄海波
《机电工程》
CAS
北大核心
2024
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
