排序方式: 共有16条查询结果,搜索用时 15 毫秒
1.
糖尿病视网膜病变(diabetic retinopathy, DR)是一种糖尿病性微血管病变,会在球结膜微血管上有所体现,球结膜血管图像的获取比眼底图像更加便捷,但微血管的特征变化微小且难以量化。为了能够对患者进行早期辅助诊断,本文依据球结膜微血管形态与DR的关联,首先对球结膜图像进行预处理,使用限制对比度自适应直方图均衡(contrast limited adaptive histogram equalization, CLAHE)算法进行图像增强,随机处理使数据增强,然后结合卷积神经网络(convolutional neural network, CNN)和Transformer各自的网络优势构建CTCNet,对处理后的球结膜血管图像进行DR分类,分类准确率达到了97.44%,敏感度97.69%,特异性97.11%,精确度97.69%,通过实验对比CNN和Transformer, CTCNet网络性能优于其他模型,能够有效识别DR。 相似文献
2.
圆锥角膜在病变过程中会导致角膜中央部位向前凸出,使角膜呈现出圆锥形,而且会导致高度不规则近视和散光,对视力造成不同程度损害。疾病一般发生于青少年时期,为了能及时治疗避免病变严重,筛查区分圆锥角膜具有十分重要的意义。而且临床上对于圆锥角膜诊断通常是采用角膜地形图的方法,可以得到角膜形态学的改变,但是有一定的误诊率。目前研究发现,角膜力学特性改变先于形态学,所以本文从角膜生物力学角度出发,提出一种基于多层感知机(multi-layer perceptron,MLP)神经网络区分圆锥角膜的模型。首先,利用可视化生物力学分析仪(corneal visualization scheimpflug technology,Corvis-ST)测得角膜的生物力学视频,进行处理计算得到角膜生物力学参数作为数据集,其中包含正常角膜和圆锥角膜2种类别;然后,针对角膜生物力学参数数据集构建MLP神经网络模型,将70%数据集作为训练集,30%数据集作为测试集。在数据集上训练及测试的结果表明,该模型区分圆锥角膜的准确率为97.6%。 相似文献
3.
采用图像处理技术,提出了一种基于核主成分分析(KPCA)与支持向量机(SVM)的鱼年龄自动识别新方法。首先通过KPCA提取鱼的耳石图像的主元,然后用SVM对鱼的年龄进行学习、识别和预测。实验表明,该方法取得了较好的效果。 相似文献
4.
This paper presents an image denoising method based on bilateral filtering and non-local means. The non-local region texture or structure of the image has the characteristics of repetition, which can be used to effectively preserve the edge and detail of the image. And compared with classical methods, bilateral filtering method has a better performance in denosing for the reason that the weight includes the geometric closeness factor and the intensity similarity factor. We combine the geometric closeness factor with the weight of non-local means, and construct a new weight. Experimental results show that the modified algorithm can achieve better performance. And it can protect the image detail and structure information better. This work has been supported by the Student’s Platform for Innovation and Entrepreneurship Training Program (No.201510060022). E-mail:lflian@tjut.edu.cn 相似文献
5.
6.
亚临床期圆锥角膜(subclinical keratoconus, subkc)发病隐匿,现有医疗设备诊断存在局限性,所以提出一种诊断亚临床期圆锥角膜的检测方法是十分必要的。有研究发现圆锥角膜(Keratoconus, kc)力学性能的改变早于形态学,因此从角膜生物力学的角度筛查亚临床期的圆锥角膜更加符合临床实际。本文运用角膜生物力学特征,以点云数据作为网络输入数据,将SO-Net (self-organizing network)和自注意力(self-attention, SA)机制结合构建SOANet,对圆锥角膜、亚临床期圆锥角膜和正常角膜进行分类。首先,利用可视化生物力学分析仪(corneal visualization Scheimpflug technology, Corvis ST)拍摄角膜受力形变视频,对其进行处理得到点云数据集,接着对点云数据进行增强处理,使3种类型的角膜数据量分布均衡。然后按照3∶1的比例划分训练集和测试集,分别对角膜进行二分类和三分类。最终模型在二分类和三分类测试集上的准确率分别达到98.3%和91.26%,即有效识别亚临床期圆锥角膜和圆锥角膜。实验... 相似文献
7.
8.
针对在摄像机视角、光照、气候、地貌等条件的大 幅度变化或者存在快速移动物体的 复杂场景下,视觉即时定位与地图构建(simultaneous localization and mapping,SLAM)的精确性和鲁棒性较低等问题,闭环检 测作为解决SLAM位姿漂移的重要环节,提出了一种基于神经网络的闭环检测方法。该方 法通过传感器获取视觉图像的数据,不同于传统方法的特征提取,采用改进三重约束损 失函数训练Darknet提取图像特征,构造对应特征向量矩阵。由于Darknet借鉴了残差网络(resnet)的思想,在具有较深网络层数的同时,仍保持较高的准确率,减少了特征提取 误差。经过自编码器方法对数据进行降维处理,通过余弦相似度计算,设定合理阈值,能够 更快的得到闭环检测结果。最后通过在两个公开视觉SLAM闭环检测数据集,New College数 据集和光照及角度变化更明显的City Centre数据集上进行实验,结果表明复杂环境下本文 提出的方法比现有闭环检测方法,能够得到更高准确率和速率,更好满足了视觉SLAM系统对 消除累计误差和实时性的要求。 相似文献
9.
传统装配系统中依靠人力进行重复性劳动,容易 由于人的操作具有疲劳性和人眼分辨 率有限等特点造成失误,为了避免浪费人工和时间,解决工厂环境中光线等不稳定因素,提 出了一种基于YOLO v3算法对形状多样的工业零件识别方法。在智能装配系统中根据视觉检 测结果判断零件种类,弥补了传统方法的不足,满足产品生产系统的节拍要求。改进后的YO LO v3网络模型使用k-means算法重新聚类预选框的参数,残差网络来减少网络的参数,结 合 多尺度方法、采用Mish激活函数提高精确度,使其更适合工业零件的小目标分类检测。该模 型以3D打印的工业零件制作数据集,实验表明与原有的YOLO v3算法对比,使用改进后的网 络模型具有良好的鲁棒 性,准确率提高了1.52%,时间提高了7.25 ms,实现精确实时地检测出智能装配系统中的零件种类。 相似文献
10.