面向智能航道巡检的水面目标检测算法

为解决多场景复杂内河背景下水面目标检测存在环境噪声大、水面目标分布情况繁杂、特征微小模糊等问题,提出一种融合多尺度特征和注意力机制,增强类激活映射的水面目标检测算法,称UltraWS水面目标检测算法。在典型检测网络上设计空间注意力模块与多头策略,融合多尺度特征,提高对微小目标的检测能力。其次,提出UltraLU模块增强类激活映射,减小环境因素与分布因素对检测目标的影响。最后,设计对模型进行Tucker张量分解,实现模型轻量化,增强模型的可解释性与推理速度。实验结果表明,所提出的UltraWS算法提高了对背景噪声的抗干扰能力,更好捕捉微小目标,满足边缘化部署的检测速度和准确率均衡性需求。在WSODD数据集上,算法的mAP值取得了最高的84.5%,相较于其他主流方法存在较大提升。基于提出的算法建立航道安全巡检体系与评估方法,有利于推动内河智慧航运的发展。

面向临床决策支持系统的医疗文本分析模型

医疗文本的特征提取及分析在建设临床决策支持系统方面具有较大的实用价值。针对包含各种术语和缩写的原始医疗文本难以提取特征的情况,提出了一种基于BERT与Word2vec的医疗文本分析模型。该模型对医疗病历中关键医疗实体进行识别,基于知识建立权重评分机制,对医学文本进行语义分析。实验数据表明,模型在医疗文本特征提取方面具有一定优势,对高血压性脑出血病历的分析诊断性能良好,能有效应用于临床决策支持系统。

基于人工智能的高血压性脑出血医疗文本信息自动识别系统

目的:构建基于人工智能的高血压性脑出血医疗文本信息自动识别系统,快速识别和分析患者临床信息,高效地输出正确的诊疗方案。方法:基于国内外最新高血压性脑出血诊疗指南,经多位高年资神经外科医生和专业人工智能团队共同讨论,构建基于语言表征模型和专家模块的高血压性脑出血医疗文本信息自动识别及决策系统(即H系统)。随后将收集到的高血压性脑出血病例分为训练集、测试集和验证集,以数据库中病例的真实治疗方案为金标准,先总体评价H系统的准确性,再将其与神经外科医生进行对比,分析H系统的判读效率。结果:在测试集中,H系统所输出的治疗方案的准确率为94.0%(91.5%~96.5%),特异度为91.8%(86.3%~97.3%),灵敏度为95.5%(89.3%~98.2%),曲线下面积(area under the curve,AUC)值为0.936(0.922~0.950)(P=0.000);在验证集中,H系统所输出的治疗方案的准确率为93.3%(89.5%~97.1%),特异度为89.9%(83.4%~96.4%),灵敏度为95.8%(92.3%~99.3%),AUC值为0.928(0.891~0.966)(P=0.000)。在处理同样的70例病例时,H系统用时(334.60±4.46)s,而神经外科医生用时(12 550.28±95.45)s;在50 min内,H系统处理的病例数为(383±3)例,而神经外科医生处理的病例数为(11±4)例。结论:本研究所构建的H系统能够对高血压性脑出血患者的急诊病例进行自动识别和分析,并快速输出准确的诊疗方案,可协助医生对高血压脑出血进行急诊诊疗。

基于漫水填充算法的中文印章识别方法

印章识别是智能化办公中必不可少的一环,现阶段的印章识别方法是将扫描后的电子文档直接输入神经网络模型中进行识别,面临着无法准确定位印章位置、弯曲文本识别准确率低等问题。针对上述问题,提出了一种高效的中文印章文本识别方法,该方法使用漫水填充算法处理灰度图像进行印章图像特征增强,保证了中文印章检测精度,同时引入了极坐标转换操作以确保文本特征完整性。为了评估本文方法的有效性,在现有的文本识别网络模型进行了多组对比实验。经实验表明,已有的网络模型融合该方法所提取的文本特征均表现出优异的识别结果。