为了解决光学相干层析成像(Optical coherence tomography,OCT)系统中的散斑噪声问题,提出了一种基于双边随机投影的光学相干层析成像去噪算法。基于三维OCT图像相邻帧的生物组织结构之间的高度相似性及图像高分辨率的特性,将原始OCT图...为了解决光学相干层析成像(Optical coherence tomography,OCT)系统中的散斑噪声问题,提出了一种基于双边随机投影的光学相干层析成像去噪算法。基于三维OCT图像相邻帧的生物组织结构之间的高度相似性及图像高分辨率的特性,将原始OCT图像信号分解为无噪低秩矩阵、稀疏矩阵以及噪声矩阵;然后采用双边随机投影算法进行求解,提取低秩矩阵,从而去除噪声,恢复无噪图像;在临床数据集上对本文算法进行了测试,并通过信噪比(Signal to noise,SNR)、对比度噪声比(Contrast to noise ratio,CNR)以及等效视数(Equivalent number of looks,ENL)3个指标对降噪效果进行评价。实验结果表明,与稳健性主成分分析算法相比,本文算法在信噪比、对比度信噪比以及等效视数指标上分别提高了1.22 dB、0.84 dB和59.5,能更有效地抑制散斑噪声,且计算复杂度较低。展开更多
有效地分析处理癫痫脑电信号并对其准确分类可以进一步完善癫痫检测问题。因此,各种深度学习方法逐渐应用到该问题中,如使用BiLSTM模型对癫痫脑电的一维时间序列数据进行处理。为进一步提高癫痫脑电分类的准确率,本文将癫痫脑电的一维...有效地分析处理癫痫脑电信号并对其准确分类可以进一步完善癫痫检测问题。因此,各种深度学习方法逐渐应用到该问题中,如使用BiLSTM模型对癫痫脑电的一维时间序列数据进行处理。为进一步提高癫痫脑电分类的准确率,本文将癫痫脑电的一维时间序列数据转换为二维图像,使用EfficientNetV2模型来实现癫痫检测的二分类。同时,引入梯度加权类激活映射(Gradient⁃weighted class activation mapping,Grad⁃CAM)对二维图像分类进行可视化分析。对德国伯恩大学脑电癫痫脑电信号数据集的预处理版本进行分类实验,EfficientNetV2模型的准确率达到了98.69%,优于BiLSTM模型。结果表明,EfficientNetV2模型可以有效通过二维脑电图像实现癫痫脑电分类,而且分类准确率更高。展开更多
文摘为了解决光学相干层析成像(Optical coherence tomography,OCT)系统中的散斑噪声问题,提出了一种基于双边随机投影的光学相干层析成像去噪算法。基于三维OCT图像相邻帧的生物组织结构之间的高度相似性及图像高分辨率的特性,将原始OCT图像信号分解为无噪低秩矩阵、稀疏矩阵以及噪声矩阵;然后采用双边随机投影算法进行求解,提取低秩矩阵,从而去除噪声,恢复无噪图像;在临床数据集上对本文算法进行了测试,并通过信噪比(Signal to noise,SNR)、对比度噪声比(Contrast to noise ratio,CNR)以及等效视数(Equivalent number of looks,ENL)3个指标对降噪效果进行评价。实验结果表明,与稳健性主成分分析算法相比,本文算法在信噪比、对比度信噪比以及等效视数指标上分别提高了1.22 dB、0.84 dB和59.5,能更有效地抑制散斑噪声,且计算复杂度较低。
文摘有效地分析处理癫痫脑电信号并对其准确分类可以进一步完善癫痫检测问题。因此,各种深度学习方法逐渐应用到该问题中,如使用BiLSTM模型对癫痫脑电的一维时间序列数据进行处理。为进一步提高癫痫脑电分类的准确率,本文将癫痫脑电的一维时间序列数据转换为二维图像,使用EfficientNetV2模型来实现癫痫检测的二分类。同时,引入梯度加权类激活映射(Gradient⁃weighted class activation mapping,Grad⁃CAM)对二维图像分类进行可视化分析。对德国伯恩大学脑电癫痫脑电信号数据集的预处理版本进行分类实验,EfficientNetV2模型的准确率达到了98.69%,优于BiLSTM模型。结果表明,EfficientNetV2模型可以有效通过二维脑电图像实现癫痫脑电分类,而且分类准确率更高。
