检索结果-维普期刊中文期刊服务平台

基于近红外光谱数据的一维卷积神经网络模型研究被引量：9: 1; 作者唐杰罗彦波 +6 位作者李翔宇陈云璨王鹏卢天纪晓波庞永强朱立军《光谱学与光谱分析》 SCIE EI CAS CSCD 北大核心 2024年第3期731-736,共6页; 近红外光谱技术已被广泛应用于各种检测行业,但传统方法难以汇集光谱关键信息,导致模型预测误差较大。为减少误差,基于452个茄科植物,以化学成分为目标,探索了一维卷积神经网络(1DCNN)在近红外数据上的回归模型研究。经参数优化,总结了... 展开更多; 关键词一维卷积神经网络近红外光谱深度学习; 在线阅读下载PDF 职称材料

高光谱预处理方法与多模型在分类判别中的对比研究被引量：2: 2; 作者居雷于洁 +4 位作者吴炎淼李丽卢天丁亚萍束茹欣《光谱学与光谱分析》 SCIE EI CAS 北大核心 2025年第1期125-132,共8页; 高光谱技术能够快速、无损地获取丰富的信息,在植物研究和监测中已成为一种广泛应用的工具。茄科植物作为一种重要的经济农作物,与高光谱技术结合进行研究具有巨大的应用潜力。本研究采用高光谱技术对茄科植物的初烤后不同部位叶片进行... 展开更多; 关键词高光谱部位分类机器学习; 在线阅读下载PDF 职称材料

基于多种深度卷积神经网络模型的汉族青少年儿童肘关节X线骨龄推断被引量：1: 3; 作者李丹阳周慧明 +4 位作者万雷刘太昂李远喆汪茂文王亚辉《法医学杂志》北大核心 2025年第1期48-58,共11页; 目的探讨适用于我国汉族青少年儿童肘关节X线图像的深度学习骨龄自动推断模型,并评估其性能。方法采集我国华东、华南、华中、西北地区6.00~<16.00周岁汉族青少年儿童肘关节正位X线图像943例(男性517例,女性426例),采用3种实验方案(... 展开更多; 关键词法医人类学年龄推断 X线图像肘关节深度卷积神经网络分割网络青少年儿童; 在线阅读下载PDF 职称材料

基于分割标签与原始图像融合的双通道汉族青少年肩关节X线骨龄评估: 4; 作者周慧明李丹阳 +4 位作者万雷刘太昂李远喆汪茂文王亚辉《法医学杂志》北大核心 2025年第3期208-216,共9页; 目的探索适用于中国汉族青少年肩关节X线骨龄评估的深度学习网络模型。方法回顾性收集12.0~<18.0岁中国汉族青少年肩关节X线图像1286例(男性708例,女性578例)。随机抽取约80%的样本(1032例)作为训练集和验证集,用于模型学习、选择和... 展开更多; 关键词法医人类学年龄推断 X线图像肩关节卷积神经网络分割网络青少年; 在线阅读下载PDF 职称材料

基于机器学习的材料设计被引量：5: 5; 作者陆文聪吴炎淼 +3 位作者刘太昂卢天纪晓波邢雷凯《河南师范大学学报（自然科学版）》 CAS 北大核心 2024年第4期120-131,F0002,共13页; 材料创新一直是推动人类文明进步的重要引擎,随着现代科技对高性能材料日益增长的需求,材料科学的重要性也逐渐凸显.传统的“试错法”和第一性原理应用于复杂的材料设计还有较大的局限性.机器学习已发展成为材料科学研究的新范式,通过... 展开更多; 关键词机器学习材料设计配方优化; 在线阅读下载PDF 职称材料

MRI在华东地区汉族男性青少年手腕骨骺发育的量化及骨龄评估中的应用: 6; 作者周智露张东飞 +7 位作者陈捷敏王亚辉郝虹霞刘太昂何宇亨龙定念刘瑞珏万雷《法医学杂志》 CSCD 北大核心 2024年第6期589-596,607,共9页; 目的探索上海、浙江、江苏地区男性青少年手腕部MRI在骨龄评估中的价值。方法选取124例上海、浙江、江苏地区6.0~18.0岁汉族男性作为研究对象,测量身高、体质量,对其手腕部行T1WI、T2WI序列扫描。获取手腕部MRI图像后,选择桡骨、尺骨、... 展开更多; 关键词法医人类学年龄推断磁共振成像手腕部骨骺骨发育分级机器学习青少年; 在线阅读下载PDF 职称材料

题名基于近红外光谱数据的一维卷积神经网络模型研究被引量：9: 1; 作者唐杰罗彦波李翔宇陈云璨王鹏卢天纪晓波庞永强朱立军; 机构烟叶资源科学利用重庆市重点实验室国家烟草质量监督检验中心上海数之微信息科技有限公司上海大学化学系; 出处《光谱学与光谱分析》 SCIE EI CAS CSCD 北大核心 2024年第3期731-736,共6页; 基金国家自然科学基金项目(52102140) 重庆中烟工业有限责任公司科技项目(HX202009)资助。; 文摘近红外光谱技术已被广泛应用于各种检测行业,但传统方法难以汇集光谱关键信息,导致模型预测误差较大。为减少误差,基于452个茄科植物,以化学成分为目标,探索了一维卷积神经网络(1DCNN)在近红外数据上的回归模型研究。经参数优化,总结了一套兼顾精度与训练效率的1DCNN模型参数,为后续模型研究提供参考。模型测试集的均方根误差为0.02~0.49,平均相对误差为0.8%~1.7%,远小于历史文献。相比传统方法,1DCNN可充分利用全部近红外谱图数据,且建模简单,模型预测能力强。该工作能为近红外光谱相关研究提供新的数据处理思路,也能促进该技术的应用与发展。; 关键词一维卷积神经网络近红外光谱深度学习; Keywords One-dimensional convolutional neural network Near-infrared spectroscopy Deep learning; 分类号 O657.3 [理学—分析化学]; 在线阅读下载PDF 职称材料

题名高光谱预处理方法与多模型在分类判别中的对比研究被引量：2: 2; 作者居雷于洁吴炎淼李丽卢天丁亚萍束茹欣; 机构上海烟草集团有限责任公司技术中心上海大学化学系上海数之微信息科技有限公司; 出处《光谱学与光谱分析》 SCIE EI CAS 北大核心 2025年第1期125-132,共8页; 基金国家自然科学基金项目(22274096) 国家烟草专卖局卷烟烟气重点实验室开放性课题资助。; 文摘高光谱技术能够快速、无损地获取丰富的信息,在植物研究和监测中已成为一种广泛应用的工具。茄科植物作为一种重要的经济农作物,与高光谱技术结合进行研究具有巨大的应用潜力。本研究采用高光谱技术对茄科植物的初烤后不同部位叶片进行分类研究。采用Field Spec 3光谱辐射仪对293份不同部位的茄科植物粉末样本进行高光谱采样,采用S-G平滑以及一阶导数和二阶导数的方法对数据进行预处理,用于信息增强和去除噪声,并通过偏最小二乘法对数据进行降维,以减少冗余特征。基于降维数据,采样支持向量机、逻辑回归、K近邻、决策树、随机森林和梯度提升决策树这六种机器学习算法建立分类模型。结果显示,在分类任务中,经过一阶导数处理后,支持向量机模型最佳,在训练集和测试集上分别实现了100.0%和84.7%的准确率。经网格参数优化后确定最优参数为:最大深度不限制,最小样本分割数为4,估计器数量为200。参数优化后五折交叉验证准确率为88.1%,训练集准确率为100%,测试集准确率为86.4%。研究结果表明,预处理方法结合降维方法能够增强数据信息使得分类模型能够更好地捕捉茄科植物样本的特征。该研究对于快速、准确、无损地区分茄科植物的部位具有重要意义。; 关键词高光谱部位分类机器学习; Keywords Hyperspectral Part Classification Machine learning; 分类号 O657.3 [理学—分析化学]; 在线阅读下载PDF 职称材料

题名基于多种深度卷积神经网络模型的汉族青少年儿童肘关节X线骨龄推断被引量：1: 3; 作者李丹阳周慧明万雷刘太昂李远喆汪茂文王亚辉; 机构山西医科大学医学科学院山西医科大学公共卫生学院司法鉴定科学研究院上海市法医学重点实验室司法部司法鉴定重点实验室上海市司法鉴定专业技术服务平台山西医科大学法医学院上海数之微信息科技有限公司; 出处《法医学杂志》北大核心 2025年第1期48-58,共11页; 基金国家重点研发计划资助项目(2022YFC3302004) 国家自然科学基金资助项目(81571859,81102305) +3 种基金司法部司法鉴定重点实验室资助项目。; 文摘目的探讨适用于我国汉族青少年儿童肘关节X线图像的深度学习骨龄自动推断模型,并评估其性能。方法采集我国华东、华南、华中、西北地区6.00~<16.00周岁汉族青少年儿童肘关节正位X线图像943例(男性517例,女性426例),采用3种实验方案(方案一:将预处理后的上述图像直接输入回归模型;方案二:以“肘关节重点骨骼标注”作为标签训练分割网络,将分割后的图像输入回归模型;方案三:以“肘关节全部骨骼标注”作为标签训练分割网络,将分割后的图像输入回归模型)进行肘关节X线骨龄预测。针对分割任务,从U-Net、UNet++和TransUNet中遴选出最优网络模型作为分割网络;针对回归任务,选择VGG16、VGG19、InceptionV2、InceptionV3、ResNet34、ResNet50、ResNet101和DenseNet121模型进行骨龄预测。采用随机抽样的方法抽取80%样本(754例)作为训练集和验证集,用于模型拟合和超参数的调整;20%(189例)作为内部测试集,用于测试训练后模型性能。另采集104例同源6.00~<16.00周岁汉族青少年儿童肘关节正位X线图像作为外部测试集。通过比较模型预测年龄与真实生活年龄之间的平均绝对误差(mean absolute error,MAE)、均方根误差(root mean square error,RMSE)、_(±0.7岁)的准确率(P_(±0.7岁))、_(±1.0岁)的准确率(P_(±1.0岁)),并绘制雷达图、散点图、热力图评估模型的性能。结果按照方案三的方法进行分割时,UNet++模型在学习率为0.0001时的分割损失为0.0004,准确率为93.8%,模型分割性能优异。在内部测试集中,DenseNet121模型采用该分割方法的模型预测结果最优,MAE、P_(±0.7岁)、P_(±1.0岁)分别为0.83岁、70.03%、84.30%。在外部测试集中,DenseNet121模型采用方案三的结果最优,平均MAE为0.89岁、平均RMSE为1.00岁。结论对青少年儿童肘关节X线图像进行骨龄自动推断时,分割网络推荐使用UNet++模型,DenseNet121模型在采用方案三时的性能最优。使用分割网络,特别是以包括肱骨远端、桡骨近端、尺骨近端全部肘关节作为标注区域的分割网络能提高肘关节X线骨龄推断的准确性。; 关键词法医人类学年龄推断 X线图像肘关节深度卷积神经网络分割网络青少年儿童; Keywords forensic anthropology age estimation X-ray image elbow joint deep convolutional neural network segmentation network adolescents children; 分类号 R89 [医药卫生—法医学] DF795.6 [医药卫生—法医学] D919.6 [医药卫生—法医学]; 在线阅读下载PDF 职称材料

题名基于分割标签与原始图像融合的双通道汉族青少年肩关节X线骨龄评估: 4; 作者周慧明李丹阳万雷刘太昂李远喆汪茂文王亚辉; 机构山西医科大学法医学院司法鉴定科学研究院山西医科大学医学科学院山西医科大学公共卫生学院上海数之微信息科技有限公司; 出处《法医学杂志》北大核心 2025年第3期208-216,共9页; 基金国家重点研发计划资助项目(2022YFC3302004) 国家自然科学基金资助项目(81571859,81102305) +3 种基金司法部司法鉴定重点实验室资助项目。; 文摘目的探索适用于中国汉族青少年肩关节X线骨龄评估的深度学习网络模型。方法回顾性收集12.0~<18.0岁中国汉族青少年肩关节X线图像1286例(男性708例,女性578例)。随机抽取约80%的样本(1032例)作为训练集和验证集,用于模型学习、选择和调优,约20%的样本(254例)作为测试集,用于评估模型泛化能力。分别将肩关节X线原始图像单通道、结合原始图像与分割标签(经人工标注的肩关节区域与原始图像进行逐像素点相乘操作后再经过U-Net++网络分割,仅保留肩关节关键区域信息)双通道输入VGG16、ResNet18、ResNet50、DenseNet1214种网络模型进行骨龄评估。另外,对测试集数据进行人工骨龄评估,并与4种网络模型进行比较分析。使用平均绝对误差(mean absolute error,MAE)、均方根误差(root mean square error,RMSE)、决定系数(R^(2))和皮尔逊相关系数(Pearson correlation coefficient,PCC)作为主要评价指标。结果在测试集中,4种模型双通道输入的肩关节X线图像骨龄评估结果在4项评价指标上均优于单通道输入,其中DenseNet121模型的双通道输入方式结果最好,MAE为0.54岁,RMSE为0.82岁,R^(2)为0.76,r为0.88。人工评估方法的MAE为0.82岁,仅次于DenseNet121模型的双通道输入结果。结论基于肩关节X线图像结合原始图像与分割标签双通道输入的DenseNet121网络模型评估结果优于人工评估结果,可有效评估中国汉族青少年骨龄。; 关键词法医人类学年龄推断 X线图像肩关节卷积神经网络分割网络青少年; Keywords forensic anthropology age estimation X-ray image shoulder joint convolutional neural network segmentation network adolescents; 分类号 R89 [医药卫生—法医学] DF795.6 [医药卫生—法医学] D919.6 [医药卫生—法医学]; 在线阅读下载PDF 职称材料

题名基于机器学习的材料设计被引量：5: 5; 作者陆文聪吴炎淼刘太昂卢天纪晓波邢雷凯; 机构上海大学理学院化学系上海数之微信息科技有限公司; 出处《河南师范大学学报（自然科学版）》 CAS 北大核心 2024年第4期120-131,F0002,共13页; 基金国家自然科学基金(52102140) 云南贵金属实验室重大科技专项(YPML-2023050205,YPML-2023050208).; 文摘材料创新一直是推动人类文明进步的重要引擎,随着现代科技对高性能材料日益增长的需求,材料科学的重要性也逐渐凸显.传统的“试错法”和第一性原理应用于复杂的材料设计还有较大的局限性.机器学习已发展成为材料科学研究的新范式,通过分析大量数据,可实现高通量筛选、性能预测、晶体结构预测和材料配方优化等方面的功能.机器学习结合第一性原理方法的材料设计,为材料研究带来了崭新的思路.回顾了机器学习在材料设计领域的应用,探讨了其加速材料创新、降低试错成本、定制化材料设计等方面的应用潜力,展望了其对材料科学领域带来的机遇和挑战.; 关键词机器学习材料设计配方优化; Keywords machine learning materials design recipe optimization; 分类号 O69 [理学—化学]; 在线阅读下载PDF 职称材料

题名MRI在华东地区汉族男性青少年手腕骨骺发育的量化及骨龄评估中的应用: 6; 作者周智露张东飞陈捷敏王亚辉郝虹霞刘太昂何宇亨龙定念刘瑞珏万雷; 机构贵州医科大学法医学院安徽天衡司法鉴定所司法鉴定科学研究院、上海市法医学重点实验室司法部司法鉴定重点实验室、上海市司法鉴定专业技术服务平台上海数之微信息科技有限公司广西金桂司法鉴定中心; 出处《法医学杂志》 CSCD 北大核心 2024年第6期589-596,607,共9页; 文摘目的探索上海、浙江、江苏地区男性青少年手腕部MRI在骨龄评估中的价值。方法选取124例上海、浙江、江苏地区6.0~18.0岁汉族男性作为研究对象,测量身高、体质量,对其手腕部行T1WI、T2WI序列扫描。获取手腕部MRI图像后,选择桡骨、尺骨、第一至五掌骨干骺端及对应骨骺作为观察指标,由一名副高级影像学专家对各指标的发育情况进行分级(0~2级),另一名专家测量各指标的最大宽度。将身高、体质量、各指标分级及最大宽度测量值等作为输入变量,年龄作为目标变量,利用SPSSModeler软件建立支持向量机、随机森林、当前现实树、线性回归模型评估骨龄,并选取准确率最高的模型。结果身高、体质量、手腕骨骨骺发育分级、各骨干骺端及对应骨骺的最大宽度均与年龄存在相关性(P<0.05)。骨龄与实际生活年龄差值在1.0岁与1.5岁以内准确率最高的模型均为支持向量机(88.7%、96.0%)。结论MRI图像用于骨龄评估具有可行性,量化骨骺及对应骨骼干骺端最大宽度并结合MRI图像分级法可有效减少预测误差。; 关键词法医人类学年龄推断磁共振成像手腕部骨骺骨发育分级机器学习青少年; Keywords forensic anthropology age estimation magnetic resonance imaging(MRI) wrist epiphysis stage of skeletal growth machine learning adolescents; 分类号 R89 [医药卫生—法医学] DF795.6 [医药卫生—法医学] D919.6 [医药卫生—法医学]; 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	基于近红外光谱数据的一维卷积神经网络模型研究	唐杰罗彦波李翔宇陈云璨王鹏卢天纪晓波庞永强朱立军	《光谱学与光谱分析》 SCIE EI CAS CSCD 北大核心	2024	9	在线阅读下载PDF 职称材料
2	高光谱预处理方法与多模型在分类判别中的对比研究	居雷于洁吴炎淼李丽卢天丁亚萍束茹欣	《光谱学与光谱分析》 SCIE EI CAS 北大核心	2025	2	在线阅读下载PDF 职称材料
3	基于多种深度卷积神经网络模型的汉族青少年儿童肘关节X线骨龄推断	李丹阳周慧明万雷刘太昂李远喆汪茂文王亚辉	《法医学杂志》北大核心	2025	1	在线阅读下载PDF 职称材料
4	基于分割标签与原始图像融合的双通道汉族青少年肩关节X线骨龄评估	周慧明李丹阳万雷刘太昂李远喆汪茂文王亚辉	《法医学杂志》北大核心	2025	0	在线阅读下载PDF 职称材料
5	基于机器学习的材料设计	陆文聪吴炎淼刘太昂卢天纪晓波邢雷凯	《河南师范大学学报（自然科学版）》 CAS 北大核心	2024	5	在线阅读下载PDF 职称材料
6	MRI在华东地区汉族男性青少年手腕骨骺发育的量化及骨龄评估中的应用	周智露张东飞陈捷敏王亚辉郝虹霞刘太昂何宇亨龙定念刘瑞珏万雷	《法医学杂志》 CSCD 北大核心	2024	0	在线阅读下载PDF 职称材料