修车大队一品楼qm论坛51一品茶楼论坛,栖凤楼品茶全国楼凤app软件 ,栖凤阁全国论坛入口,广州百花丛bhc论坛杭州百花坊妃子阁

oe1(光电查) - 科学论文

287 条数据
?? 中文（中国） ▾

  • 用于HEp-2荧光强度分类的深度卷积神经网络

    摘要： 间接免疫荧光（IIF）检测被推荐为抗核抗体（ANA）检测的金标准方法，该抗体对自身免疫性疾病诊断具有重要价值。荧光强度分析通常较为复杂，且受操作者能力影响，统计上易与错误类别关联。本文提出一种卷积神经网络（CNN）系统，用于HEp-2 IIF图像的阳性/阴性荧光强度分类（这对自身免疫疾病诊断至关重要）。该方法采用知名预训练CNN提取特征，并通过支持向量机（SVM）分类器进行最终的正负类别判定。本系统基于AIDA（计算机辅助自身免疫诊断）项目构建的数据库开发完成，分类器在该数据库上完成训练。我们在该数据库公开的2080张IIF图像子集上测试了所提方法，性能分析显示荧光强度分类准确率约达93%。通过与最具代表性的前沿研究对比评估结果，证实了本系统在HEp-2图像强度分类中的优越性。

    关键词： 自身免疫性疾病、准确性、支持向量机、受试者工作特征（ROC）曲线、卷积神经网络（CNN）、间接免疫荧光（IIF）图像

    更新于2025-09-23 20:38:33

  • 傅里叶变换红外光谱组织学中的深度学习：利用卷积神经网络挖掘空间与光谱特征

    摘要： 当前癌症检测方法依赖于组织活检、化学标记/染色及病理学家对组织的检查。尽管这些方法仍是金标准，但它们缺乏定量性且易受人为误差影响。傅里叶变换红外（FTIR）光谱成像已显示出作为传统组织学定量替代方案的潜力。然而，组织学成分的识别需要基于分子光谱的可靠分类，而这类光谱易受噪声和散射引入的伪影干扰。多种组织类型（尤其是异质性组织区域）往往会使传统分类方法产生混淆。卷积神经网络（CNN）是当前图像分类领域的最先进技术，能够学习图像的空间特征。本文证明：采用能同时处理光谱与空间信息的CNN架构，可显著提升分类器性能，优于逐像素光谱分类方法。我们报告了将CNN应用于组织微阵列（TMA）数据后，对六种主要细胞与非细胞组分（即脂肪细胞、血液、胶原蛋白、上皮组织、坏死组织和肌成纤维细胞）的分类结果。实验表明，除光谱信息外引入空间信息能大幅提高分类器性能，并实现对化学信息极少但具有独特空间特征的细胞亚型（如脂肪细胞）的分类。这项工作展示了深度学习算法在改进癌症相关临床与研究诊断技术中的实用性与高效性。

    关键词： 组织分类、空间特征、卷积神经网络、深度学习、光谱特征、傅里叶变换红外组织学

    更新于2025-09-23 22:18:50

  • RetoNet：一种用于视网膜疾病自动检测的深度学习架构

    摘要： 研究人员正试图挖掘大数据的巨大潜力，以彻底改变社会活动的各个方面，并助力做出明智决策。医疗保健正是这样一个领域，通过对现有海量医疗数据进行恰当分析，可以实现许多疾病的早期检测与治疗?；餮霸谏杓谱远锒舷低撤矫娣⒒恿酥匾饔?，如今该领域已出现深度学习模型，在预测准确性方面超越了人类专业水平。本文提出RetoNet——一种卷积神经网络架构，其经过训练和优化后能从眼底图像中以显著精度检测视网膜疾病，且其性能也被证明优于为相同目的开发的基于迁移学习的模型。基于深度学习的电子诊断系统或将成为医疗领域应对专业人才即时短缺问题的精准、经济且便捷的解决方案。

    关键词： 卷积神经网络、电子健康、视网膜疾病检测、人工神经网络、深度学习

    更新于2025-09-24 00:11:00

  • 溶剂的二羧酸盐和碱金属离子团簇的光电子能谱研究，M?[O?C(CH?)?CO?]2?[H?O]?（M = Na, K；n = 1–6）

    摘要： 图像去噪是图像处理中最重要的方向之一。医学图像在采集、转换和传输过程中常常受到环境与设备的噪声及干扰影响，导致图像质量下降。本文主要介绍一种用于医学图像去噪的新型卷积神经网络结构——基于小波域的深度神经网络（深度小波去噪网DWDN）。我们的DWDN模型在一般医学图像去噪任务中表现出高效性，并且在图像细节方面表现更为优异。

    关键词： 去噪、小波变换、医学图像、卷积神经网络

    更新于2025-09-24 04:02:40

  • 一种利用激光粉末床熔融过程中熔池图像预测激光功率的卷积神经网络

    摘要： 在激光粉末床熔融工艺中，卷积神经网络可构建优质的回归模型，通过熔池图像预测激光功率值。为进行实证验证，我们采用金属增材制造设备监测系统采集的图像数据，通过超参数网格搜索对卷积网络进行最优配置。该网络仅0.12%的测试图像超出预测激光功率值可靠性的判定标准，在预测训练步骤中未出现的激光功率状态时，其精度优于深度前馈神经网络。我们预计该模型可用于发现增材制造过程中导致缺陷的层内问题位置。

    关键词： 卷积神经网络、熔池图像、过程监测、金属增材制造、激光粉末床熔融

    更新于2025-09-19 17:13:59

  • 基于卷积神经网络的电致发光图像中光伏电池缺陷自动检测

    摘要： 由于人工/目视检测应用有限且光伏组件产量不断增长，自动缺陷检测在光伏领域的重要性日益凸显。本研究针对电致发光（EL）图像中的光伏组件缺陷开展自动检测。我们提出了一种采用轻量级卷积神经网络架构的新方法来识别EL图像缺陷，在EL图像太阳能电池数据集上取得了93.02%的当前最优结果。该方法计算功耗和时间需求较低，可在普通CPU计算机上保持实时处理速度，单张图像预测仅需8.07毫秒。为构建轻量架构，我们对系列网络结构进行了大量实验验证，并评估数据增强操作以应对数据稀缺问题。针对显著的过拟合问题，我们采用适当策略提升模型泛化能力，同时展示了各策略的影响效果。此外，研究还分析了EL图像中可能出现的裂纹形态及缺陷类型，这将有助于在大规模数据可用时正确标注新图像以实现特定缺陷类型的预测。本框架已在实验室环境实验应用，可助力现场及工业场景的自动缺陷检测。

    关键词： 光伏电池开裂，自动缺陷检测，卷积神经网络（CNN），电致发光，深度学习，光伏（PV）组件

    更新于2025-09-19 17:13:59

  • [IEEE 2019年第24届国际新兴技术与工厂自动化会议(ETFA) - 西班牙萨拉戈萨 (2019.9.10-2019.9.13)] 2019年第24届IEEE国际新兴技术与工厂自动化会议(ETFA) - 基于卷积神经网络的太阳能电池半自动质量检测

    摘要： 太阳能电池的质量控制是生产过程中极为重要的环节。微小裂纹或连接失效可能导致电池日后性能下降，部分原因在于缺陷区域可能与活性区发生电性断开。目前实施该检测的技术之一是电致发光（EL）检测，该方法能获取电池的高分辨率图像，从而实现对缺陷的可视化无损检测。这种检测主要由经过培训的人工操作员完成。然而由于工作日长时间用眼导致疲劳，加之操作员的主观性差异，缺陷检测的准确性可能受到影响。为解决这一问题，本文提出一种基于卷积神经网络的方法，用于辅助操作员通过EL图像检测多晶硅太阳能电池表面缺陷。该方法能将电池分类为缺陷品与非缺陷品，并建议对缺陷电池进行复检，同时提供电池缺陷区域的分割图谱。为弥补数据集中图像样本不足的问题，采用滑动窗口将每块电池图像分割为多个区域，分别判定各区域是否存在缺陷，最终整合所有区域判定结果，生成显示电池缺陷区域的图像分割图。

    关键词： 分割、缺陷检测、分类、电致发光、卷积神经网络

    更新于2025-09-19 17:13:59

  • 显微镜学与分析 || 共聚焦激光扫描显微镜中黑素细胞图像的自动解读

    摘要： 黑色素瘤的发病率每20年翻一番。早期发现恶性病变可提高治疗成功率。共聚焦激光扫描显微镜（CLSM）能实现皮肤组织的无创检查。为减少培训需求并提高诊断准确性，需要计算机辅助诊断系统。本文提出两种方法：多分辨率分析法和基于深层卷积神经网络的方法。皮肤科医生通过微解剖结构和细胞巢等建筑结构作为CLSM图像诊断的指导依据?；谛〔ū浠坏奶卣髂苁迪植煌占涑叨鹊慕ㄖ峁菇馕觯怪鞴壅锒媳曜伎凸壑叵?。基于树的机器学习算法显式捕捉决策结构，其决策步骤被用作诊断规则。深层神经网络无需先验领域知识，能通过直接分析图像数据自主学习判别特征。但深层神经网络需要强大算力进行学习，因此现代神经网络训练通常采用显卡——这些设备配备数百个中小型核心，可进行大规模并行计算。读者将学会如何将多分辨率分析和现代深度学习神经网络技术应用于医学图像分析问题。

    关键词： 卷积神经网络、皮肤病变、多分辨率图像分析、计算机辅助诊断、共聚焦激光扫描显微镜、机器学习

    更新于2025-09-19 17:13:59

  • [2019年IEEE国防光子学研究与技术应用会议(RAPID) - 美国佛罗里达州米拉马尔海滩(2019.8.19-2019.8.21)] 2019年IEEE国防光子学研究与技术应用会议(RAPID) - 多极与超表面量子阱发射器

    摘要： 对于任何声称达到或超越人类水平的分类与识别系统而言，对数据集中微小扰动保持免疫具有重大意义。研究人员发现，神经网络对微小扰动并不稳健——通过在测试数据中添加特定类别的噪声，就能轻易误导系统持续误分类。这种所谓的对抗性噪声会严重削弱神经网络的性能（尽管它们在未受扰动的数据集上表现优异）。最新研究提出，通过使用本身带有对抗性噪声的数据进行训练，可使神经网络获得抗干扰能力。基于此方法，本文提出一种基于K支撑范数生成强效对抗噪声模型的新机制来训练神经网络。我们在MNIST和STL-10两个基准数据集上，采用多层感知机和卷积神经网络测试了该方案。实验结果表明，相比现有最先进技术，采用本技术训练的神经网络在鲁棒性方面展现出显著提升。

    关键词： 鲁棒性、泛化能力、卷积神经网络、对抗性、K-支持范数

    更新于2025-09-19 17:13:59

  • [2019年IEEE亚洲消费电子国际会议(ICCE-Asia) - 泰国曼谷(2019.6.12-2019.6.14)] 2019 IEEE亚洲消费电子国际会议(ICCE-Asia) - 激光二极管?？橹圃熘械娜斯ぶ悄?

    摘要： 本文描述了在我们激光二极管模块制造工厂中应用人工智能的机器学习和深度学习技术。通过将人工智能应用于数据分析和分类问题，我们获得了诸如质量控制、减少人工工作量以及高效利用大数据等多种益处。

    关键词： 机器学习、自动编码器、Scikit-learn、激光二极管?？椤⒕砘窬?

    更新于2025-09-19 17:13:59