上下文空间与实例信息的皮肤镜图像自监督分类

针对基于深度学习的皮肤疾病检测方法受限于皮肤镜图像标注难度大、成本高、耗时耗力等问题,本文提出了一种针对皮肤镜图像的自监督学习方法,利用无标注的皮肤镜图像来提高皮肤疾病分类准确率。根据皮肤镜图像空间结构相似度高、信息单一的特点,使用基于旋转预测自监督代理任务,通过模型预测图像旋转的角度,约束模型对图像病变区域的关注,学习上下文空间特征;同时使用个体判别任务,利用正负样本对比学习,获得皮肤镜图像实例信息,为皮肤镜图像的分类提供全局分类信息指导;融合上下文空间特征与实例语义信息得到初始的皮肤疾病检测模型。实验结果表明:本文所提的自监督学习方法,从无标记的皮肤镜样本挖掘出重要信息,更有效地关注皮肤镜图像病变区域,通过融合皮肤镜图像特征信息,使分类结果更加准确。

基于图像特征的智能肺癌识别(英文)

提出一种基于图像特征进行计算机辅助医学诊断的智能算法.该算法使用神经网络技术有效地从彩色细胞切片图像中识别出肺癌细胞.首先,通过图像预处理和图像分割技术提取出切片图像中细胞的形状和颜色特征.接着,将这些图像特征输入训练好的肺癌分类识别神经网络,智能地识别出肺癌细胞.

基于神经网络集成的肺癌早期诊断

将病理性诊断与计算机技术相结合以实现肺癌的早期诊断 ,首先利用数字图像技术对肺癌穿刺样本进行处理 ,提取出形态和色度特征 ,然后通过一种二级集成结构和特殊的投票方式 ,用神经网络集成对细胞图像进行分析 .实验和原型系统试用表明 。

基于神经网络的钢筋计数方法研究

为了提高钢筋的计数准确率和效率,综合运用图像处理技术和神经网络技术,实现对钢筋的识别和计数。对获取的钢筋原始图像进行数字图像处理,得到感兴趣的部分即钢筋的轮廓;计算单根钢筋轮廓的宽度、高度、面积和打捆钢筋的总面积4个特征量;将这4个特征量作为神经网络的输入,训练网络识别钢筋并计数。仿真实验验证了这种方法的可行性和有效性。

基于BP神经网络的手写数字识别研究

将BP神经网络应用于手写数字识别,通过实验证实,该方法具有较高的识别率和可靠性.

小波神经网络在人脸识别中的应用

人脸识别是一个涉及生理学、心理学、图像处理、计算机视觉、模式识别和数学等多个学科的前沿课题。小波神经网络是在小波分析研究获得突破的基础上提出的一种前馈性网络,避免了BP网络等结构设计上的盲目性,网络训练过程从根本上避免了局部最优等非线性优化问题,有较强的函数学习能力和推广能力。基于小波神经网络,文中提出了一种新的人脸识别算法。该算法利用小波多分辨特性和神经网络的鲁棒性和记忆性,同时结合了加速网络收敛速度的小波神经网络步长调整算法。实验证明该算法有高的检测率和有效性。

双X特征下自组织竞争网络的手写字符识别

对图像预处理、字符特征提取和神经网络类型的选择、优化、训练及调整等进行研究,提出运用双X特征作为输入的自组织竞争网络对手写字符进行识别的方法。首先进行图像预处理,包括图像的灰度化、二值化、剪裁及缩放等。然后,提出字符的双X特征提取方法,并运用该方法提取各个字符的特征信息。最后,将字符特征数据送入自组织网络中进行学习,反复试验确定理想网络参数,使其可以自组织地将各字符模式相区分。实验结果表明:这种方法减少送入网络的数据量,降低了冗余信息对网络的干扰,使网络处理的复杂程度大大降低,训练后的网络误差小,网络的错判率约为12%,比传统方法有明显提高。