三维多尺度交叉融合网络肺结节分类研究

计算机断层扫描影像中良、恶性肺结节的准确分类对肺癌的预防和治疗至关重要。然而,由于计算机断层扫描影像中肺结节背景的复杂性,以及良、恶性肺结节判定之间存在的不确定性,使得良恶性肺结节的准确分类成为了一项极具挑战性的工作。提出了一种深度三维多尺度交叉融合卷积神经网络实现了良恶性肺结节的精确分类。使用密集连接结构自动提取肺结节多尺度特征,为了减少特征提取过程中肺结节相关信息的丢失,对多尺度特征引入了交叉融合策略得到多尺度特征组,增强了高、低层次语义信息的表达能力,同时增强特征在网络中的传递和转移。将提取的特征组分别连接至多个softmax分类器,模拟多位经验不同医生共同决策,实现了良、恶性肺结节的精确识别。使用肺图像联合会数据集进行验证,分类准确率达到了90.96%,AUC为94.95%。

多尺度交叉熵及其在血压与肾交感神经活动耦合模式中的应用

多尺度熵反映了单个时间序列在多个尺度上的复杂性,本研究提出了多尺度交叉熵的概念和算法,并探索两个时间序列在多个尺度上的耦合行为。首先,将其应用到一个混沌动力学系统的分析中,即Henon-Henon映射。然后,应用多尺度交叉熵分析清醒和麻醉两种状态下血压与肾交感神经活动的非线性耦合模式。结果表明,肾神经活动和血压之间耦合可能具有分形动力学的特征,其复杂度在麻醉后显著降低,而且两种状态下的耦合模式具有明显的差异。

基于复合多尺度交叉模糊熵的行星齿轮箱故障诊断

模糊熵是衡量时间序列复杂性的非线性动力学分析方法,也是提取齿轮箱非线性故障特征的有效工具。然而模糊熵只对单个时间序列进行复杂性测量,忽略了两个不同时间序列之间模式的相似性。为充分利用振动信号间的丰富信息,将能够有效衡量两个时间序列同步性、相似性和互预测性的交叉熵理论引入到行星齿轮箱故障诊断中。针对单一尺度的熵值不能完整反映序列间模式复杂性问题,通过复合粗粒化的方式对时间序列进行多尺度分析,提出了衡量两通道时间序列相似性与互预测性的复合多尺度交叉模糊熵方法。在此基础上,提出了一种基于复合多尺度交叉模糊熵和萤火虫优化支持向量机的行星齿轮箱故障诊断方法。最后,将所提的故障诊断方法应用于行星齿轮箱试验数据分析,并与现有方法进行了对比,结果表明所提方法能够有效提取故障特征,并且在故障类型诊断方面有更高的识别率。

基于重构误差及多尺度交叉样本熵的谐振接地系统故障选线

针对大量应用电缆线路导致的谐振接地系统单相接地故障时选线正确率下降的问题,提出一种基于计算馈线暂态零序电流重构误差及其低频分量多尺度交叉样本熵的故障选线方法。谐振接地系统单相接地故障时由于消弧线圈补偿作用,故障线路暂态零序电流相位、周期变化均与健全线路不同。利用相位变化不同,通过同步挤压小波逆变换对暂态零序电流进行重构并计算误差。利用周期变化不同计算暂态零序电流低频分量多尺度交叉样本熵。重构误差、交叉样本熵之和均为最大值的线路即为故障线路。大量仿真结果证明,该方法受不同故障条件影响较小,可靠性高,抗干扰性强。

基于深度可分离卷积的级联多尺度交叉网络的超分辨率重构

深度卷积神经网络进行单幅图像超分辨率在精度和速度方面取得了显著成果。然而随着网络的层次加深,信息流动减弱,训练难以实现。同时,大多数模型采用单流结构,在不同的感受域下的上下文信息很难获取。改善信息流动获取足够的细节信息并减少网络参数量,本文提出了基于深度可分离卷积的级联多尺度交叉网络(Cascaded Multiscale Crossing Network, CMSC),在每个级联子网络中,堆叠多个多尺度交叉模块以便融合互补多尺度的信息,从而有效改善跨层的信息流。同时,在每个阶段引入残差学习策略,充分利用低分辨率特征信息,进一步提升重建性能。在基准数据集的评估表明本文方法优于最主流的超分辨率方法。

基于多尺度交叉趋势样本熵的城市空气质量指数分析

为了研究城市的空气质量指数(air quality index,AQI)与各污染物浓度序列之间的一致性,以及相邻城市间污染物的相似程度,提出一种新的多尺度交叉趋势样本熵(multiscale cross trend sample entropy,MCTSE),用于刻画2个具有趋势的序列在不同尺度上的一致性。利用该方法对长沙、株洲和湘潭3个城市春、夏、秋、冬的AQI与PM2. 5、PM10、SO2、NO2、CO和O3 6种污染物浓度序列展开研究,为寻找影响这些城市空气质量的污染源以及共同治理提供参考。最后为这些城市制定空气污染防治目标提出了可行的治理对策。

多尺度高斯算子卷积零交叉法辐射分层成像

利用立体视觉的原理,通过计算机获取立体辐射图像的深度信息,可以将不同深度的物体在一定程度上分层显示,例如分几层检测大型集装箱的货物而提高识别率。提出一种"多尺度卷积零交叉法",提高了边缘缺失情况下重建分层图像的质量,并且避免了迭代算法可能出现的不收敛问题。

基于小波多尺度零交叉基元的立体匹配方法

将小波变换运用到立体视觉的图像匹配中,选取合适的二进小波基,以二进小波变换的多尺度零交叉为匹配基元,较多地利用了图像的结构特征.在匹配过程中采用由粗到精的层次匹配策略和严格的匹配约束,减小了对应点搜索范围,并从局部和整体2个角度来解决歧义匹配的问题.实验结果证明,该方法具有较高的匹配精确度和较快的匹配速度,并且算法稳定.

基于交叉注意力Transformer的人体姿态估计方法

现有用于人体姿态估计的深度卷积网络方法大多采用堆叠Transformer编码器技术,未充分考虑低分辨率全局语义信息,存在模型学习困难、推理成本高等问题。提出基于交叉注意力的Transformer多尺度表征学习方法。利用深度卷积网络获取不同分辨率特征图,将特征图转变为多尺度视觉标记,并且预估关键点在标记空间中的分布提高模型的收敛速度。为增强低分辨率全局语义的可识别性,提出多尺度交叉注意力模块,该模块通过对不同分辨率特征标记之间的多次交互,以及对关键点标记采取移动关键点策略,实现减少关键点标记冗余和交叉融合操作次数,交叉注意力融合模块从特征标记中抽取的不同尺度特征信息形成关键点标记,有助于降低上采样融合的不准确性。在多项基准数据集上的实验结果表明,与当前最先进的TokenPose方法相比,该方法能有效促进Transformer编码器对关键点之间关联关系的学习,在不降低性能的前提下计算代价下降11.8%。

基于小波零交叉基元的多分辨率图像匹配方法

文中将小波变换运用到立体视觉的图像匹配中 ,选取合适的二进小波基 ,以二进小波变换的多尺度零交叉为匹配基元 ,较多地利用了图像的结构特征。在匹配过程中采用由粗到精的层次匹配策略和严格的匹配约束 ,减小了对应点搜索范围 ,并从局部和整体两个角度进行匹配后的质量控制。实验结果证明 ,该方法具有较高的匹配精确度和较快的匹配速度 ,并且算法稳定。

心外膜标测系统中基于小波变换的室颤波检测技术

提出了一种基于小波变换进行心脏室颤波特征点识别的新方法。该方法首先对信号在特定不同尺度上的小波变换结果进行“多尺度交叉搜索” ,然后再在此基础上进行自适应判决检测。实践证明该方法的识别率达到 94 5% 。

微装配机器人:关键技术、发展与应用

微装配机器人是机器人研究和应用领域的一个重要方向和热点,有重要理论意义和应用前景。本文对微装配机器人的关键技术进行了详细介绍,包括微操作系统的基本概念、微装配机器人的工作原理、尺度效应、多尺度交叉、微夹持器技术、显微视觉与显微视觉伺服等。对国内外微装配机器人研究和发展现状进行了综述,最后对微装配机器人的应用范围和发展前景进行了展望。

基于FlowS-Unet的遥感图像建筑物变化检测

针对目前人为探察土地资源利用情况的任务繁重、办事效率低下等问题,提出了一种基于深度卷积神经网络的建筑物变化检测方法,利用高分辨率遥感图像实时检测每个区域新建与扩建的建筑物,以方便对土地资源进行有效管理.本文受超列(Hypercolumn)和FlowNet中的细化(Refinement)结构启发,将细化和其他改进应用到U-Net,提出FlowS-Unet网络.首先对遥感图像裁剪、去噪、标注语义制作数据集,将该数据集划分为训练集和测试集,对训练集进行数据增强,并根据训练集图像的均值和方差对所有图像进行归一化;然后将训练集输入集成了多尺度交叉训练、多重损失计算、Adam优化的全卷积神经网络FlowS-Unet中进行训练;最后对网络模型的预测结果进行膨胀、腐蚀以及孔洞填充等后处理得到最终的分割结果.本文以人工分割结果为参考标准进行对比测试,用FlowS-Unet检测得到的F1分数高达0.943,明显优于FCN和U-Net的预测结果.实验结果表明,FlowS-Unet能够实时准确地将新建与扩建的建筑物变化检测出来,并且该模型也可扩展到其他类似的图像检测问题中.

计及分布式电源注入谐波的单相接地故障联合选线

随着配电网线路安全运行要求的提高,分布式电源注入的谐波会使得现有的选线方法失效,且单一判据的故障选线方法愈加难以胜任复杂配电网系统发生单相接地故障后的选线工作。因此文中提出了计及分布式电源注入谐波的谐振接地系统单相接地故障联合选线。针对谐振接地系统中出现单相接地故障后,故障线路与健全线路的暂态零序电流相位、周期变化不同的特点,先根据低频周期差异用多尺度交叉样本熵计算暂态零序电流,再根据高频相位差异用加权暂态能量法及同步挤压小波变换计算高频暂态零序电流的重构误差。此外,使用加权暂态能量法控制计算量并通过多尺度交叉样本熵、加权暂态能量和重构误差3个判据判定故障线路。实验结果显示,文中的联合选线法受不同故障条件的影响小,准确性高,抗干扰性强。

高能旋转物体CT随机投影的角度识别

介绍一种高能旋转物体CT(HeroCT)随机投影的角度识别研究。采用ns和μs闪光X射线,对高能旋转物体进行透射可以获取一系列瞬时投影。在闪光无法与旋转物体角移严格同步时,为进行CT图像重建,需对这些随机投影的投影角进行识别和确定其在正弦图上的位置。利用计算机模拟,对投影角识别方法进行了研究。