期刊文献+
共找到18篇文章
< 1 >
每页显示 20 50 100
基于深度学习模型的油气管道焊缝缺陷智能识别
1
作者 罗仁泽 王磊 《天然气工业》 EI CAS CSCD 北大核心 2024年第9期199-208,共10页
焊接技术在油气管道连接时广泛应用,确保焊缝区域可靠是保障油气管道安全运行的关键。受工艺和技术制约,油气管道焊接过程中可能出现不同类型的焊缝缺陷。针对油气管道焊缝部分缺陷尺寸小、缺陷与背景差异性较小导致焊缝缺陷识别效果不... 焊接技术在油气管道连接时广泛应用,确保焊缝区域可靠是保障油气管道安全运行的关键。受工艺和技术制约,油气管道焊接过程中可能出现不同类型的焊缝缺陷。针对油气管道焊缝部分缺陷尺寸小、缺陷与背景差异性较小导致焊缝缺陷识别效果不理想、人工识别工作量大等问题,提出了基于SCT-ResNet50模型的管道焊缝缺陷智能识别新方法。首先将焊缝区域图像输入特征提取网络;然后在特征提取的浅层使用SCC(Spatial Channel Context)进行局部空间和通道信息融合,在特征提取较深的层次使用ECA-MHSA(Efficient Channel Attention-Multi-Head Self-Attention)来捕捉长程依赖和上下文信息;最后通过全连接层和Softmax得到最终的缺陷识别结果。研究结果表明:(1)该新方法在油气管道X射线图像焊缝缺陷数据集上缺陷识别准确率达到98.28%;(2)相较于ResNet50、VGG16、DenseNet121、MobileNetv3和EfficientNetv2分类方法,其准确率分别提高了3.05%、46.05%、28.99%、15.95%和18.84%;(3)在缺陷尺寸小、缺陷和背景差异较小的场景下,该新方法在油气管道焊缝缺陷识别中具有更高的准确率。结论认为,该新方法的优势在于结合SCC模块与ECA-MHSA模块学习图像的局部信息和全局信息,能较好解决油气管道焊缝缺陷分类效果不理想的问题,为保障油气管道安全运输提供了技术支撑。 展开更多
关键词 深度学习 图像处理 油气管道焊缝 缺陷智能识别 注意力机制
下载PDF
基于大语言模型的致密砂岩储层测井含水饱和度预测
2
作者 武娟 罗仁泽 +2 位作者 雷璨如 殷疆 陈星廷 《天然气工业》 EI CAS CSCD 北大核心 2024年第9期77-87,共11页
致密砂岩储层测井含水饱和度预测是油气藏储层评价和产量预测的关键步骤,应用机器学习模型预测含水饱和度在一定程度上缓解了常规方法预测误差大的问题。但是现有的机器学习方法通常使用有限的测井数据从头开始训练模型,导致模型能力受... 致密砂岩储层测井含水饱和度预测是油气藏储层评价和产量预测的关键步骤,应用机器学习模型预测含水饱和度在一定程度上缓解了常规方法预测误差大的问题。但是现有的机器学习方法通常使用有限的测井数据从头开始训练模型,导致模型能力受限,进而阻碍了它的泛化能力。为此,基于大语言模型(LLMs)出色的泛化性能及丰富的知识信息,引入LLMs进行储层测井含水饱和度预测,提出了一种基于真实关系及表格Transformer网络(REaLTabFormer)增强的LLMs对齐框架模型(RTF-LLA),最后进行了实验对比验证。研究结果表明:(1) RTF-LLA模型由数据增强、知识蒸馏和跨模态对齐3个核心模块构成;(2)数据增强模块以原始测井数据为基础,利用REaLTabFormer捕获测井参数与储层物性参数间的内在关系,生成了高信息量的测井数据;(3)知识蒸馏模块从LLMs提取主要的知识信息,指导测井数据与LLMs文本知识进行跨模态对齐,并赋予模型准确预测储层测井含水饱和度的能力;(4)跨模态对齐模块通过词元对齐、特征对齐和序列对齐,有效地降低了模型对储层含水饱和度的预测误差。结论认为:(1)RTF-LLA模型在S气田储层饱和度实验评价中的平均绝对误差和均方根误差分别为1.332和2.207,相较于其他主流机器学习算法至少降低了3.310和3.174;(2)RTF-LLA模型可为小样本测井资料储层含水饱和度准确预测提供有效技术支撑,为储层测井含水饱和度预测提供了新思路、新方法。 展开更多
关键词 大语言模型 跨模态对齐 致密砂岩储层 测井含水饱和度预测 泛化能力
下载PDF
基于ACGAN和迁移学习的骨显像分类方法 被引量:1
3
作者 余泓 罗仁泽 +2 位作者 陈春梦 唐祥 罗任权 《光学精密工程》 EI CAS CSCD 北大核心 2023年第6期936-949,共14页
由于骨显像存在样本数量有限、类别不平衡的问题,导致骨显像分类存在较大困难。为提升骨显像的分类准确率,本文提出了一种基于结合辅助分类器的生成对抗网络(ACGAN)数据生成和迁移学习的骨显像分类方法。首先,为解决骨显像类别不平衡的... 由于骨显像存在样本数量有限、类别不平衡的问题,导致骨显像分类存在较大困难。为提升骨显像的分类准确率,本文提出了一种基于结合辅助分类器的生成对抗网络(ACGAN)数据生成和迁移学习的骨显像分类方法。首先,为解决骨显像类别不平衡的问题,设计了一种MU-ACGAN模型。该模型以U-Net为生成器框架,同时结合密集残差连接和通道-空间注意力机制结构来提升骨显像细节特征生成,判别器通过密集残差注意力卷积块提取骨显像特征进行判别;然后,结合传统数据增强方式进一步扩充数据量;最后,设计了一种多尺度卷积神经网络提取骨显像不同尺度的特征,提升分类效果。在模型训练过程中,采用两阶段迁移学习方式,优化模型的初始化参数、解决过拟合的问题。实验结果表明,本文提出方法分类准确率达到了85.71%,有效缓解了小样本骨显像数据集分类准确率不高的问题。 展开更多
关键词 骨显像 结合辅助分类器的生成对抗网络(ACGAN) 迁移学习 注意力机制 数据增强
下载PDF
基于改进Faster RCNN的射线图像焊缝缺陷检测方法 被引量:1
4
作者 罗仁泽 唐祥 +1 位作者 余泓 李华督 《电子测量技术》 北大核心 2023年第22期160-168,共9页
针对X射线图像中小目标缺陷检测和多尺寸缺陷检测的问题,提出一种基于改进Faster RCNN的焊缝缺陷检测算法。首先,该算法采用ResNet50、特征金字塔网络作为Faster RCNN检测网络的主干网络,达到在多个特征图上检测不同尺寸缺陷的目的;然... 针对X射线图像中小目标缺陷检测和多尺寸缺陷检测的问题,提出一种基于改进Faster RCNN的焊缝缺陷检测算法。首先,该算法采用ResNet50、特征金字塔网络作为Faster RCNN检测网络的主干网络,达到在多个特征图上检测不同尺寸缺陷的目的;然后在主干网络前增加背景减去网络层,来降低图像背景对小目标缺陷的干扰;接着利用三支路区域推荐网络层细化原始区域推荐网络层中候选框的预测任务,从而减少候选框数量、优化检测速度;最后对网络中卷积层的数量进行微调,增强网络特征提取能力。实验结果表明,改进网络的均值平均精度和每张图像检测速度分别为83.09%、20.8 ms,相比改进前的网络,预设的锚框增加了10779个,检测速度仅仅降低了3.1 ms,均值平均精度提高了19.43%。改进网络在保证检测速度的基础上,有效提高了对小目标缺陷和多尺寸缺陷的检测效果。 展开更多
关键词 焊缝缺陷 深度学习 目标检测 Faster RCNN
下载PDF
基于改进集成学习的测井岩性识别方法研究 被引量:6
5
作者 罗仁泽 庹娟娟 +3 位作者 倪华玲 李兴宇 雷璨如 郭亮 《石油物探》 CSCD 北大核心 2023年第2期212-224,共13页
测井数据中存在大量与岩性无关的冗余信息,且各类岩性标签数据分布不均匀,严重影响岩性识别准确率,现有测井岩性识别算法无法有效解决岩性类间不平衡问题。为此提出了一种针对不平衡样本集的集成学习岩性预测方法KSMOSEL:首先以录井岩... 测井数据中存在大量与岩性无关的冗余信息,且各类岩性标签数据分布不均匀,严重影响岩性识别准确率,现有测井岩性识别算法无法有效解决岩性类间不平衡问题。为此提出了一种针对不平衡样本集的集成学习岩性预测方法KSMOSEL:首先以录井岩性数据为岩性样本标签,将测井曲线作为模型输入;然后将K-means算法与合成少数类过采样技术(SMOTE)相结合形成K-means-合成过采样算法,即KS采样算法,对岩性样本集进行平衡化处理;最后将采样后的数据集用于构建集成学习模型并训练,采用多个分类器模型融合构成强学习器,通过“软投票”方式预测岩性类型。以Hugoton油气田测井岩性数据为基础,采用改进不平衡样本集的集成学习岩性预测方法对岩性进行分类,并将识别效果与传统的分类模型:支持向量机、K最近邻分类、决策树、XGBoost和随机森林等模型进行对比。试验结果表明:KSMOSEL方法具有更高的精度,岩性识别准确率达到94.28%;KS采样之后,支持向量机、K最近邻分类、决策树、XGBoost、随机森林、GBDT和集成学习等模型岩性识别准确率分别提高了18.68%,12.03%,3.77%,10.23%,24.77%,16.69%,19.37%,在测井岩性数据分布比例不平衡时极大地提升了岩性识别的准确率。 展开更多
关键词 岩性识别 非平衡数据 过采样 KSMOSEL 测井数据
下载PDF
快速移民城市的就业空间特征及影响因素——以深圳市为例 被引量:4
6
作者 罗仁泽 杨高 周春山 《华南师范大学学报(自然科学版)》 CAS 北大核心 2020年第5期106-117,共12页
利用就业人口统计、手机信令以及地铁站点人流等相关数据,以深圳市为例,研究快速移民城市的就业空间特征及影响因素.研究结果表明:(1)深圳市的就业人口重心呈现由东向西再向北的移动趋势,多中心的就业空间格局正在形成;(2)就业人口密度... 利用就业人口统计、手机信令以及地铁站点人流等相关数据,以深圳市为例,研究快速移民城市的就业空间特征及影响因素.研究结果表明:(1)深圳市的就业人口重心呈现由东向西再向北的移动趋势,多中心的就业空间格局正在形成;(2)就业人口密度总体呈现从中心区向中间地区、外围地区依次下降的圈层格局;(3)金融就业向心集聚性强,制造就业趋向外围分布,消费服务就业呈现向心集聚和外围新增的双重特征;(4)中心区的职住失衡程度较高,导致大量跨行政区的通勤交通;(5)深圳市的就业空间特征及变化与其移民城市的发展密切关联,其中,产业布局、交通条件、城市规划和住房价格是影响深圳市就业空间形成的主要原因;(6)与合肥市和沈阳市2个非移民城市相比,深圳市的就业空间演变速度较快,新的就业中心正在形成,城市呈现多中心的就业空间格局,深圳市的职住分离程度更加明显,职住通勤的平均距离也较大. 展开更多
关键词 就业空间 空间特征 影响因素 深圳市
下载PDF
鄂尔多斯南缘X区域长8储层非均质性及主控因素分析
7
作者 王军 罗仁泽 +3 位作者 王高虎 吴大全 陈继光 李兴宇 《石化技术》 CAS 2020年第10期119-120,共2页
鄂尔多斯盆地南缘X区域长8储层分布广泛。针对储层非均质性以及主要影响控制因素认识不清的问题,从宏观和微观非均质性两方面研究。最终认为长8储层呈现强非均质性特点,同时还研究不同沉积微相与储层物性的关系;砂岩不同碎屑组分与储层... 鄂尔多斯盆地南缘X区域长8储层分布广泛。针对储层非均质性以及主要影响控制因素认识不清的问题,从宏观和微观非均质性两方面研究。最终认为长8储层呈现强非均质性特点,同时还研究不同沉积微相与储层物性的关系;砂岩不同碎屑组分与储层孔隙度和渗透率的关系,其非均质性强的主控因素主要受沉积微相和砂岩碎屑组分两方面影响。 展开更多
关键词 非均质性 主控因素 储层品质
下载PDF
油气长输管道伴行光缆状态监测及断点精确定位技术综述 被引量:2
8
作者 张涛 曹文琛 +5 位作者 罗仁泽 孙啸 郑宇恒 沈忱 谢斐 邓治林 《电讯技术》 北大核心 2022年第2期275-280,共6页
油气长输管道点多、线长,周边环境复杂,伴行光缆成为为数不多的能长距离实时监测管道外界入侵状况和信号传输的途径。但是,光缆部署时间长、地质变形等导致光纤断芯时有发生,严重影响管道安全生产,而现有光纤断点监测及精确定位技术尚... 油气长输管道点多、线长,周边环境复杂,伴行光缆成为为数不多的能长距离实时监测管道外界入侵状况和信号传输的途径。但是,光缆部署时间长、地质变形等导致光纤断芯时有发生,严重影响管道安全生产,而现有光纤断点监测及精确定位技术尚不能满足生产要求。通过大量文献分析了光纤状态监测原理,总结了光纤振动监测及断点精确定位方法,指出了油气长输智慧管道伴行光纤状态监测及断点精确定位的发展方向。 展开更多
关键词 油气长输管道 光纤断点定位 实时监测
下载PDF
一种基于RUnet卷积神经网络的地震资料随机噪声压制方法 被引量:25
9
作者 罗仁泽 李阳阳 《石油物探》 EI CSCD 北大核心 2020年第1期51-59,共9页
应用深度学习方法压制地震噪声的训练集和测试集均来自同一数据集,使得模型的泛化性受限。为解决泛化性问题,提出一种基于卷积神经网络(CNN)的残差U型网络(RUnet)压制随机噪声的方法。方法的设计思想是在基于卷积神经网络的U型网络(Unet... 应用深度学习方法压制地震噪声的训练集和测试集均来自同一数据集,使得模型的泛化性受限。为解决泛化性问题,提出一种基于卷积神经网络(CNN)的残差U型网络(RUnet)压制随机噪声的方法。方法的设计思想是在基于卷积神经网络的U型网络(Unet)基础上加入残差块,以增强网络对随机噪声的捕获能力。该方法建立在端到端的编码解码网络结构上,将含噪声地震数据作为输入,由多个卷积层和残差块提取随机噪声的本质特征,构成编码;再由多个反卷积层和残差块构成解码,网络的输出即为噪声压制后的地震数据。在残差块之后加入批规范化层,采用带泄露整流函数作为非线性因子,提高网络模型对地震资料随机噪声的泛化性和敏感性。在叠后和叠前地震数据实验中将RUnet卷积神经网络方法与小波变换、离散余弦变换、三维块匹配(BM3D)算法和Unet卷积神经网络算法进行去噪效果对比,结果表明,RUnet卷积神经网络方法相比其它4种方法,对随机噪声的压制更有效,并且在一定程度上保护了有效信号。 展开更多
关键词 泛化性 RUnet卷积神经网络 Unet卷积神经网络 编码解码 随机噪声压制 残差块
下载PDF
基于DMC-BiLSTM的沉积微相智能识别方法 被引量:6
10
作者 罗仁泽 周洋 +3 位作者 康丽侠 李兴宇 郭亮 庹娟娟 《石油物探》 CSCD 北大核心 2022年第2期253-261,338,共10页
沉积微相划分是油气藏勘探的研究基础。传统沉积微相划分由地质学家根据自身掌握的知识和经验手工完成,这种地质学家主导的人工解释是主观的、冗长的,可能引入人为偏差。深度学习在解决复杂非线性问题上具有优势,目前尚无有效解决沉积... 沉积微相划分是油气藏勘探的研究基础。传统沉积微相划分由地质学家根据自身掌握的知识和经验手工完成,这种地质学家主导的人工解释是主观的、冗长的,可能引入人为偏差。深度学习在解决复杂非线性问题上具有优势,目前尚无有效解决沉积微相划分的深度学习方法。针对测井沉积微相,提出了基于特征构造(DMC)和双向长短期记忆网络(BiLSTM)的沉积微相智能识别方法。首先,利用趋势分解和中值滤波对原始曲线进行多维重构,并对重构矩阵和原始曲线特征采用kmeans提取时空相关聚类特征;然后,以原始曲线特征、地质趋势特征、中值滤波特征和聚类特征作为输入,基于双向长短期记忆网络得到当前深度沉积微相预测类型。与长短期记忆网络(LSTM)和时间卷积网络(TCN)对比发现,在沉积微相的识别上,沉积微相智能识别方法具有更优异的性能和鲁棒性。实验表明,该方法能有效划分沉积微相,识别准确率达到91.69%。 展开更多
关键词 沉积微相 智能识别 双向长短期记忆网络 测井曲线 机器学习 无监督学习
下载PDF
Optimization of the seismic processing phase-shift plus finite-difference migration operator based on a hybrid genetic and simulated annealing algorithm 被引量:2
11
作者 luo renze Huang Yuanyi +2 位作者 Liang Xianghao luo Jun Cao Ying 《Petroleum Science》 SCIE CAS CSCD 2013年第2期190-194,共5页
Although the phase-shift seismic processing method has characteristics of high accuracy, good stability, high efficiency, and high-dip imaging, it is not able to adapt to strong lateral velocity variation. To overcome... Although the phase-shift seismic processing method has characteristics of high accuracy, good stability, high efficiency, and high-dip imaging, it is not able to adapt to strong lateral velocity variation. To overcome this defect, a finite-difference method in the frequency-space domain is introduced in the migration process, because it can adapt to strong lateral velocity variation and the coefficient is optimized by a hybrid genetic and simulated annealing algorithm. The two measures improve the precision of the approximation dispersion equation. Thus, the imaging effect is improved for areas of high-dip structure and strong lateral velocity variation. The migration imaging of a 2-D SEG/EAGE salt dome model proves that a better imaging effect in these areas is achieved by optimized phase-shift migration operator plus a finite-difference method based on a hybrid genetic and simulated annealing algorithm. The method proposed in this paper is better than conventional methods in imaging of areas of high-dip angle and strong lateral velocity variation. 展开更多
关键词 Migration operator phase-shift plus finite-difference hybrid algorithm genetic andsimulated annealing algorithm optimization coefficient
下载PDF
REDUCING THE PEAK-TO-AVERAGE POWER RATIO OF OFDM SYSTEM WITH LOW COMPLEXITY 被引量:2
12
作者 luo renze Jing Longjiang +2 位作者 luo Lang Li Jie Zhu Weile 《Journal of Electronics(China)》 2006年第1期26-28,共3页
This paper proposes a companding scheme, where small signals are enlarged and large signals are reduced, to reduce the Peak-to-Average Power Ratio(PAPR). Computer simulation results show that the proposed technique ha... This paper proposes a companding scheme, where small signals are enlarged and large signals are reduced, to reduce the Peak-to-Average Power Ratio(PAPR). Computer simulation results show that the proposed technique has two advantages at least when compared with the conventional methods such as partial transmit sequence, selective mapping and the previous companding. First, it gets better PAPR performances with a lower complexity. Second, the scheme achieves greater performances gain with hardly any damnification of OFDM signals in some degree. 展开更多
关键词 Orthogonal Frequency Division Multiplexing(OFDM) Peak-to-Average Power Ratio(PAPR) Compandor
下载PDF
SB洼陷侏罗系喀拉扎组砂砾岩储层预测研究
13
作者 王朋 郭晨光 +3 位作者 贾剑波 敬小军 罗仁泽 李兴宇 《石化技术》 CAS 2021年第5期165-166,156,共3页
经过近几年的勘探研究,TH盆地中下侏罗统已被证实具有大面积含油气的潜力,但随着勘探开发难度较大,有利砂体展布成为制约ST洼陷勘探开发的关键。由于砂砾岩储层与周围泥岩盖层波阻抗差别小,常规波阻抗反演很难预测储层分布,故本区采用... 经过近几年的勘探研究,TH盆地中下侏罗统已被证实具有大面积含油气的潜力,但随着勘探开发难度较大,有利砂体展布成为制约ST洼陷勘探开发的关键。由于砂砾岩储层与周围泥岩盖层波阻抗差别小,常规波阻抗反演很难预测储层分布,故本区采用高精度叠后拟声波阻抗反演与频谱成像预测喀拉扎组储层砂体展布,结果显示主要砂砾岩储层分布在研究区的东北部,具有较明显的冲积扇发育特征;并运用低频能量属性研究储层含流体性,结果显示储层可分为含油气、含水和干层三种,油气分布范围与砂砾岩平面展布较一致;最终通过信息融合技术圈定了有效储层分布区域,为井位建议提供了有力依据。 展开更多
关键词 拟声波反演 频谱成像 流体检测 属性融合
下载PDF
基于无监督学习的低照度图像增强算法 被引量:1
14
作者 苏赋 敬梁 +3 位作者 罗仁泽 王龙业 张凯信 方东 《光电子.激光》 CAS CSCD 北大核心 2023年第10期1036-1046,共11页
针对目前低照度图像增强算法存在恢复细节丢失、网络复杂度高和配对数据集获取难度大等问题,提出了一种基于无监督学习的图像增强算法。在YIQ色彩空间中,通过构建的轻量化网络和幂指函数计算亮度通道Y的增强曲线,从而获得曝光较差区域... 针对目前低照度图像增强算法存在恢复细节丢失、网络复杂度高和配对数据集获取难度大等问题,提出了一种基于无监督学习的图像增强算法。在YIQ色彩空间中,通过构建的轻量化网络和幂指函数计算亮度通道Y的增强曲线,从而获得曝光较差区域增强和高光区域遏制的图像。该网络使用的无参考损失函数可以隐式地评估图像增强质量并驱动网络学习。实验对比结果表明,该算法在可训练参数和模型权重仅占9.5 k/88 kB的情形下,在视觉效果与图像质量指标上都取得了具有竞争力的结果。 展开更多
关键词 低照度图像增强 增强曲线 无监督学习 轻量级网络
原文传递
基于FE-Unet的机场道面裂缝检测 被引量:1
15
作者 邓治林 罗仁泽 +1 位作者 费越 李海丰 《光电子.激光》 CAS CSCD 北大核心 2023年第1期34-42,共9页
机场道面裂缝具有形态复杂多变、走向不连续、数据噪音多等特征,现有算法模型均未达到令人满意的结果。为了改善裂缝检测效果,本文提出了一种新的深度学习模型,命名为“FE-Unet”。该模型采用改进的残差连接方式,在解决多层网络下梯度... 机场道面裂缝具有形态复杂多变、走向不连续、数据噪音多等特征,现有算法模型均未达到令人满意的结果。为了改善裂缝检测效果,本文提出了一种新的深度学习模型,命名为“FE-Unet”。该模型采用改进的残差连接方式,在解决多层网络下梯度的回传问题的同时起到细化特征以及整合通道的信息作用,提升了各阶段特征的区分度;此外,模型中的通道注意力模块(channel attention block, CAB)可以更好地提取判别特征,增强预测的一致性;最后,利用焦点损失(focal loss, FL)使模型专注于难分类的细小裂缝。实验中,以实际7 778张机场道面裂缝图像来训练模型,并在1 701张图像上进行验证。在与经典的全卷积神经网络(fully convolutional network, FCN)、DeepLab v3和Unet对比实验中,FE-Unet对裂缝、灌缝和板缝的检测性能均优于其他模型。其中,FE-Unet对裂缝检测的精度、召回率、F1值分别达到了80.31%、82.72%和81.49%。 展开更多
关键词 深度学习 图像处理 机场道面检测 FE-Unet 裂缝识别
原文传递
基于U-Net的两阶段SPECT骨显像降噪方法研究
16
作者 余泓 罗仁泽 +2 位作者 陈春梦 郭亮 罗任权 《光电子.激光》 CAS CSCD 北大核心 2023年第7期771-784,共14页
进行单光子发射计算机断层成像(single-photon emission computed tomography,SPECT)骨显像检查时,为减少给病人带来的辐射伤害,医师常会减轻辐射剂量,导致骨显像信噪比、分辨率较低,严重影响诊断以及病灶自动检测效果。为提升骨显像质... 进行单光子发射计算机断层成像(single-photon emission computed tomography,SPECT)骨显像检查时,为减少给病人带来的辐射伤害,医师常会减轻辐射剂量,导致骨显像信噪比、分辨率较低,严重影响诊断以及病灶自动检测效果。为提升骨显像质量,提出了一种基于U-Net的两阶段SPECT骨显像降噪方法。首先,设计了一种U-Net噪声估计网络来快速估计每张骨显像的噪声水平,为主干降噪网络提供噪声先验知识。其次,主干降噪网络同样以U-Net为基础框架,同时结合多尺度特征融合、通道-空间注意力机制结构来增强网络的噪声特征提取能力,预测出噪声图。最后,通过残差学习得到降噪骨显像。同时,为解决使用均方误差(mean square error,MSE)损失函数的重建图像过于平滑的问题,设计了一种复合损失函数,保留骨显像的原有细节信息。实验中,向训练集中的骨显像施加不同噪声水平进行数据扩充,并且采用迁移策略解决模型过拟合问题。结果表明,与目前主流算法相比,所提出的降噪方法能够有效降低骨显像噪声,并且保留病灶细节特征。此外,通过盲降噪能够改善原骨显像质量、提升病灶自动分割效果。 展开更多
关键词 SPECT骨显像 深度学习 噪声水平 注意力机制 残差学习
原文传递
基于改进U-Net的SPECT骨显像病灶分割研究
17
作者 余泓 罗仁泽 +2 位作者 陈春梦 罗任权 李华督 《光电子.激光》 CAS CSCD 北大核心 2022年第10期1110-1120,共11页
在核医学中,单光子发射计算机断层(single-photon emission computed tomograpy,SPECT)骨显像是辅助医师诊断癌症的重要手段。针对骨显像图像信噪比低、边界模糊、病灶小难以提取和人工勾画病灶耗时等问题,提出一种基于改进U-Net网络的... 在核医学中,单光子发射计算机断层(single-photon emission computed tomograpy,SPECT)骨显像是辅助医师诊断癌症的重要手段。针对骨显像图像信噪比低、边界模糊、病灶小难以提取和人工勾画病灶耗时等问题,提出一种基于改进U-Net网络的骨显像病灶自动分割算法。该算法在U-Net的原卷积块基础上,采用了多尺度密集连接(multi-scale dense connection,MDC)的方式来提高对小病灶特征的提取能力,同时解决了网络加深后出现的梯度消失问题。其次,为提取病灶的细节特征,在密集连接和跳跃连接处引入了注意力机制结构。最后,针对使用小样本数据集,模型难以收敛的问题,采用迁移学习的方法,优化了模型的初始参数,提升模型的泛化能力和分割效率。此外,为了降低计算量、进一步提高分割效果,对数据集进行了裁剪和去噪。同时,将处理后的图像采用旋转、镜像等方法进行了数据扩充。实验结果表明,改进的U-Net的识别精确率(precision)、平均交并比(mean intersection-over-union,mIoU)分别能达到0.7352、0.4673,效果优于目前主流的分割算法,具有一定实际应用价值。 展开更多
关键词 SPECT骨显像 多尺度密集连接(MDC) 图像处理 注意力机制 迁移学习
原文传递
基于MC-ABiLSTM的储层单砂体智能识别方法
18
作者 罗仁泽 李兴宇 +3 位作者 周洋 郭亮 庹娟娟 詹健 《地球物理学进展》 CSCD 北大核心 2022年第3期1112-1121,共10页
油气田开发中后期急需储层单砂体精细识别,为后期剩余油气开发提供地质依据.目前,传统方法依靠研究人员对测井、岩心等资料进行综合对比分析,主观性强、效率低下;而在人工智能领域,现有的基于测井数据的储层识别方法,多研究测井曲线的... 油气田开发中后期急需储层单砂体精细识别,为后期剩余油气开发提供地质依据.目前,传统方法依靠研究人员对测井、岩心等资料进行综合对比分析,主观性强、效率低下;而在人工智能领域,现有的基于测井数据的储层识别方法,多研究测井曲线的波形特征,或对单个采样点进行独立分析,忽略了测井数据的纵向相关性,缺少全局认识,识别结果存在一定的局限性.针对上述问题,提出了一种基于注意力机制的双向长短期记忆神经网络(Multi-Scale Convolutional Layers Cascaded Attention-Based Bidirectional Long Short-Term Memory,MC-ABiLSTM)模型的储层单砂体智能识别方法.该模型主体分为MC与ABiLSTM两个模块.MC模块由不同尺度卷积核的并联卷积层组成,用于提取测井数据多尺度的空间特征;ABiLSTM模块采用基于LSTM的编解码框架,用于从MC模块输出的特征中提取上下层信息,获取测井数据的时序特征;最后,采用softmax分类器对提取后的测井曲线数据空间和时序特征进行识别分类.以靖安油田大路沟二区Chang6_(1)^(2)含油小层为研究对象,选取研究区岩心井的4种测井曲线(自然伽马、自然电位、电阻率、声波时差)以及3种物性参数(孔隙度、渗透率、含水饱和度)作为样本,训练MC-ABiLSTM单砂体识别模型,并与其他四种智能模型进行识别效果对比.结果表明:MC-ABiLSTM的单砂体识别精度最高,达到91.2%,可作为利用测井资料进行单砂体识别的有效手段. 展开更多
关键词 单砂体识别 深度学习 并联网络 双向长短期记忆网络 注意力机制
原文传递
上一页 1 下一页 到第
使用帮助 返回顶部