- 标题
- 摘要
- 关键词
- 实验方案
- 产品
-
利用显微镜图像的大数据集和深度学习技术开发自动化胚胎分级系统
摘要： 体外受精（IVF）中胚胎活力的评估主要基于主观的目视分析，存在观察者间及观察者内变异的局限性，且耗时费力。本研究利用深度学习技术，通过大量显微胚胎图像数据集开发了自动化胚胎评估分级系统。研究共纳入2014年3月6日至2018年4月13日期间，台湾喜鹊生殖中心（https://www.e-stork.com.tw）4,146个IVF周期的16,201枚胚胎、总计171,239张图像。这些图像由倒置显微镜（蔡司Axio Observer Z1）在受精后第5天（112-116小时）或第6天（136-140小时）采集。我们以ImageNet数据集预训练网络作为卷积基础，采用ResNet50架构的卷积神经网络（CNN）对胚胎图像进行微调训练，并与专业胚胎学家的分级结果对比评估模型性能。图像分级标签由专业胚胎学家依据Gardner标准评定：囊胚发育等级（3-6期）、内细胞团质量（A/B/C级）及滋养层质量（a/b/c级）。预处理后将图像按60%（训练组）、20%（验证组）、20%（测试组）比例划分。ResNet50算法使用训练组60%图像进行训练，并通过测试组20%图像评估性能。结果显示三个分级类别平均预测准确率达75.36%，其中囊胚发育准确率96.24%、内细胞团质量91.07%、滋养层质量84.42%。据我们所知，这是首个基于亚洲人群大样本数据的自动胚胎分级系统研究。结合本研究成果与延时显微镜系统及IVF电子病历平台，将实现完全自动化、无创的胚胎评估流程。
关键词： 胚胎分级，机器学习，胚胎图像，人工智能
更新于2025-11-21 11:24:58
-
基于机器学习方法的自适应太阳能发电预测
摘要： 由于电力系统中存在预测误差（如太阳能、风能及负荷需求），其经济性能会相应减弱。本文提出一种自适应太阳能预测（ASPF）方法，通过结合数据聚类、变量选择和神经网络来捕捉预测误差特征并修正预测结果，从而实现精准的太阳能预测。该ASPF方法具有普适性，无需依赖任何特定原始预测方法。我们首先提出ASPF框架，重点包括数据识别与数据更新环节；随后阐述改进的k均值聚类算法、最小角回归算法及BP神经网络的实现方式；最终构建的ASPF系统随数据量增加呈现性能提升?；谧纷偾莸姆抡娼峁砻?，所提ASPF方法具有显著有效性。
关键词： 机器学习、k均值算法、BP神经网络、自适应太阳能发电预测、最小角回归
更新于2025-09-23 15:23:52
-
利用低空遥感技术快速检测油菜叶片上的核盘菌
摘要： 核盘菌是危害油菜叶片的主要病害之一，已严重影响作物产量和品质。本研究构建了室内无人机低空遥感模拟平台进行病害检测，在人工接种核盘菌前后采集油菜叶片的热红外、多光谱及RGB图像?；诔叨炔槐涮卣鞅浠?SIFT)提出新型图像配准与融合方法，利用多模态图像构建融合数据库。通过处理热红外图像分析感染区域不同部位的温度分布变化，单叶感染24小时后最大温差(MTD)达1.7摄氏度。分别采用热红外图像和融合图像建立支持向量机(SVM)、随机森林(RF)、K近邻(KNN)和朴素贝叶斯(NB)四种机器学习模型。结果表明图像融合后分类精度提升11.3%，SVM模型在病害严重度分级任务中达到90.0%的分类准确率。总体结果表明，配备多传感器的无人机低空遥感模拟平台可用于油菜叶片核盘菌的早期检测。
关键词： 机器学习、多光谱技术、油菜、图像融合、热成像技术、核盘菌
更新于2025-09-23 15:23:52
-
利用野外近距快照高光谱成像与机器学习技术识别红树物种
摘要： 调查红树物种组成是湿地管理和?；ぶ幸桓龌∏抑匾目翁?。本研究旨在探索近景高光谱成像技术（采用快照式高光谱传感器）在野外条件下识别红树物种的潜力。具体而言，我们评估了数据预处理与转换、波段选择及机器学习技术，以建立针对中国广东省珠海市淇澳岛八种红树物种的最优分类方案。经数据预处理与转换后，五种光谱数据集（包括反射率光谱R及其一阶导数d(R)、反射率光谱对数log(R)及其一阶导数d[log(R)]，以及高光谱植被指数VIs）被用作各分类器的输入数据。随后采用三种波段选择方法（逐步判别分析SDA、基于相关性的特征选择CFS和连续投影算法SPA）进行降维并筛选有效识别波段。此外，我们通过四种分类器（线性判别分析LDA、k近邻KNN、随机森林RF和支持向量机SVM）评估了红树物种分类效果。当四种分类器应用于全波段反射率光谱时，八种红树物种总体分类精度均超过80%，其中SVM精度最高达93.54%（Kappa=0.9256）。使用SPA筛选波段时，SVM精度达到93.13%（Kappa=0.9208）。加入高光谱VIs和d[log(R)]数据集后，精度进一步提升至93.54%（Kappa=0.9253）和96.46%（Kappa=0.9591）。结果表明，应用野外近景快照高光谱图像与机器学习分类器对红树物种进行分类具有显著效果。
关键词： 机器学习、波段选择、红树林物种分类、近程高光谱成像、野外高光谱测量
更新于2025-09-23 15:23:52
-
基于光学显微镜图像的免疫磁珠与白血病细胞自动化定量分析
摘要： 肿瘤细胞的量化对于癌症的早期检测和病情监测至关重要。目前已有多种肿瘤细胞检测方法被开发出来，但在免疫磁性微珠存在的情况下进行细胞自动化量化尚未见研究报道。本研究基于计算机视觉技术开发了算法，用于量化被微米级免疫磁性微珠捕获分离的白血病细胞。我们采用基于颜色、尺寸的目标识别方法及机器学习方法，对明场显微镜拍摄的图像中的目标进行量化分析。通过分析40倍和20倍物镜获取的图像，免疫磁性微珠的检测错误率分别为0.0171和0.0384。结果表明：该算法在40倍物镜下达到91.6%的精确度，在20倍物镜下达到79.7%的精确度。该算法有望成为细胞检测生物芯片的信号读出机制。
关键词： 白血病细胞、免疫磁珠、支持向量机、明场光学显微镜、图像处理、机器学习
更新于2025-09-23 15:23:52
-
机器学习在量子同步辅助探测中的应用
摘要： 研究了一种探测方案：利用一个可访问且可控的量子比特作为探针，来探测由另一个与外部环境相互作用的非平衡态量子比特构成的系统。该模型中会出现探针与系统之间的量子自发同步现象，通过调节探针频率可实现同相或反相同步?；诹孔油教匦裕治隽嘶餮霸诖颂讲夥桨钢械挠τ媚芰Α捎萌斯ど窬绱犹秸肟晒鄄饬恐型贫现饕纳⑻卣鳎ㄈ缁肪车呐纺分甘?。同时研究了数据集存在噪声时算法的效率表现。结果表明，由于同/反相同步转变的存在，无论是分类任务还是回归任务的性能都得到显著提升，这为任意谱密度环境的表征开辟了新途径。
关键词： 量子同步、量子探测、机器学习
更新于2025-09-23 15:23:52
-
[计算机科学讲义] 软计算进展 第10632卷（第16届墨西哥国际人工智能会议MICAI 2017，墨西哥恩塞纳达，2017年10月23-28日，会议录，第一部分）|| 年龄相关性黄斑变性诊断与预测的机器学习方法综述
摘要： 年龄相关性黄斑变性（AMD）是一种由多基因与环境因素相互作用引发的复杂疾病。该病是发达国家视力功能障碍和失明的首要病因，在欠发达国家中的致病率也呈上升趋势。目前通过研究视网膜图像来识别视网膜中的玻璃膜疣，对这些图像的分类有助于支持医学诊断。同样地，研究人员也在探究遗传变异和风险因素，以开展疾病的预测性研究——这些研究借助统计工具实施，近年来更引入了机器学习（ML）方法。本文针对复杂疾?。ㄌ乇鹗茿MD病例）对上述两种研究路径进行了文献综述。我们重点关注基于个体遗传变异的研究路径，因其可作为AMD预防的支持工具。根据精准医学的理念，疾病预防对于提升患者及其家庭的生活质量、避免固有健康负担具有优先意义。
关键词： 预测性诊断、机器学习、分类、自动诊断、模式识别、年龄相关性黄斑变性（AMD）
更新于2025-09-23 15:23:52
-
基于时延支持向量回归的射频功率放大器动态行为建模
摘要： 本文提出了一种基于时延支持向量回归（SVR）方法的新型动态行为建模技术。作为先进的机器学习算法，SVR方法综合考虑器件非线性和记忆效应，为射频功率放大器（PA）的行为建模提供了有效方案。该技术阐述了基本建模原理并详述了模型提取流程。与传统人工神经网络（ANN）需耗时确定最佳模型配置不同，SVR通过网格搜索技术可快速获得最优模型。文中还给出了针对射频PA的最优SVR模型选择实例——与默认SVR模型相比，所选模型性能显著提升。实验采用LDMOS PA、单管氮化镓（GaN）PA及Doherty GaN PA进行验证，证明新建模方法具有高效精准的预测能力。相较于传统Volterra模型、标准分段线性模型及基于ANN的模型，本SVR模型在合理复杂度下实现了更优性能。此外研究表明，该模型能准确预测PA在不同于建模输入功率电平下的工作行为。
关键词： 时间延迟、射频（RF）功率放大器（PAs）、机器学习、动态行为模型、支持向量回归（SVR）
更新于2025-09-23 15:23:52
-
量子预训练与自编码器图像分类
摘要： 计算机视觉的应用范围广泛，从医学图像分析到机器人技术。过去几年中，该领域因机器学习而发生变革，并有望从量子计算的潜在进步中获益。当前及近期量子设备处理图像的主要挑战在于这些设备能处理的数据量有限。图像可能体积庞大、具有多维特性且包含多个颜色通道。现有利用量子资源的计算机视觉机器学习方法需要对图像进行大量人工预处理才能适配设备。本文提出一个框架以解决小规模量子设备处理大规模数据的问题。该框架无需任何特定数据集的处理或信息，适用于大型灰度及RGB图像。此外，随着更大规模量子硬件架构的出现，该框架具备扩展能力。在所提出的方法中，先训练经典自编码器将图像数据压缩至可加载到量子设备的尺寸，随后在D-Wave设备上使用压缩数据训练受限玻尔兹曼机（RBM），并利用RBM的权重初始化用于图像分类的神经网络。研究结果在两个MNIST数据集和两个医学成像数据集上得到验证。
关键词： 量子机器学习、医学成像、量子计算、机器学习
更新于2025-09-23 15:23:52
-
深度混合散射图像学习
摘要： 经过良好训练的深度神经网络被证实具备同步复原两类图像的能力——这两类图像分别受到两种不同散射介质的完全破坏。该基于U型网络架构的模型可通过混合斑点-参考图像对数据集进行训练。我们通过实验验证了该网络在重建经玻璃散射器或多模光纤强散射图像方面的强大能力。该学习模型还展现出良好的泛化性能，能有效重建与训练数据集存在差异的图像。本研究推动了光学传输领域的发展，并拓展了机器学习在光学领域的应用。
关键词： 图像处理、衍射光学、机器学习
更新于2025-09-23 15:23:52