【摘 要】
：
糖尿病视网膜病变（Diabetic Retinopathy,DR）是由糖尿病所引起的并发症之一,严重危害到人们的正常生活。目前临床的诊断方法主要依赖于医生的经验,但实际病例中,临床病变多存在于眼底血管附近,形态各异,稍有差池就可能会误诊。随着深度学习的发展,越来越多研究者致力于探寻辅助医生诊断的方法。在临床诊断中,视网膜血管形态的准确分割有助于医生对于病变的判断。因此,对于血管的精准分割具有重大意
论文部分内容阅读
糖尿病视网膜病变（Diabetic Retinopathy,DR）是由糖尿病所引起的并发症之一,严重危害到人们的正常生活。目前临床的诊断方法主要依赖于医生的经验,但实际病例中,临床病变多存在于眼底血管附近,形态各异,稍有差池就可能会误诊。随着深度学习的发展,越来越多研究者致力于探寻辅助医生诊断的方法。在临床诊断中,视网膜血管形态的准确分割有助于医生对于病变的判断。因此,对于血管的精准分割具有重大意义。以DRIVE数据库眼底视网膜图像为研究对象,通过加权平均值灰度化处理方法和限制对比度自适应直方图均衡化方法对图像进行增强,通过翻转、旋转与平移方法对图像进行扩增,保留了视网膜图像更多有效信息,为后续分割工作打下良好基础。采用改进型U-Net网络对处理后的视网膜图像进行血管分割,并对分割结果进行线性化处理增强其可读性。结果表明,此方法平均Dice系数、准确性、灵敏度和特异性分别达到0.8247、98.72%、85.38%和98.54%,提高了分割精度。使用视网膜眼底图像检测DR病变等级,可以提高医生诊治的工作效率,对临床诊断具有辅助性作用。以Kaggle Eye PACS数据库的视网膜图像为研究对象,通过将图像转换为HSI模式对图像进行亮度增强,并对图像进行尺寸调整和扩增,为后续网络训练做准备。为提高分级精度,采用迁移学习方法,保留Inception-V3网络在Image Net数据集上训练得到的大部分参数,迁移到视网膜图像中训练,实现对参数的微调,使其适用于病变分级任务。采用SVM和Sotfmax对病变进行分级。结果表明,使用SVM分类器精确率达到93.40%,使用Sotfmax分类器精确率达到了92.04%,说明基于迁移学习的方法可以提高分级精确率。图43幅;表16个;参51篇。
其他文献
安全生产双重预防机制（即安全风险分级管控和隐患排查治理）建设是落实习近平总书记对安全生产工作重要指示和国务院安委办《全国安全生产专项整治三年行动计划》的具体体现。河北省政府于2017年颁布了2号令,着手构建安全生产双重预防机制。双重预防机制是安全生产工作理念革命性的转变,也是安全生产发展的必经阶段,是落实安全生产法规规程、标准规范的必要手段。采用文献研究法研究了国内外安全生产双重预防机制建设的现状
21世纪,信息技术得到了突飞猛进的发展,各行业通过与信息技术的充分融合也迎来了全新的变革。供热行业作为与民生息息相关的传统行业,其信息化建设亟需提高,智慧热网建设已成为未来发展的趋势,节能降耗永远是供热企业科学化管理追求的重要目标。首先以智慧供热平台为研究对象,根据传感层、应用层、网络层分析系统总框架,搭建智慧热网信息化服务平台,对热源,一次网,热力站,二次网,热用户整个供热系统的数据进行远程采集
随着氧气转炉炼钢的发展及炼钢工艺的日趋完善,传统的OG湿法的除尘已无法满足当前严苛的环境要求,新建转炉炼钢多采用干法除尘,干法静电除尘净化技术已经成为了未来钢铁企业绿色发展的重要趋势。由于干法除尘和炼钢工艺联系比较紧密,技术水平要求较高,在国内推广过程中,出现了很多问题,如转炉吹炼前期、终点补吹期、及留渣操作点火不畅造成的除尘器泄爆;设备运行参数的动态调节及模型控制不够精确造成的回收煤气热值、回收
＜正＞田克勤，1945年生，吉林九台人。东北师范大学荣誉教授、当代中国马克思主义研究中心主任，马克思主义学院教授、博士生导师，中国社会科学院兼职博士生导师、中央实施马克思主义理论研究与建设工程重点教材编写组首席专家、吉林省社会科学界联合会副主席、中国共产党历史与理论研究会会长。长期从事中共党史、马克思主义中国化研究与思想政治教育学科的教学和研究。
在整个建设项目实施和推动的过程当中,所涉及到的管理内容是相当丰富的,其中消防安全管理是不可忽视的一个关键要点,消防安全管理活动的向前推动应该遵循科学性以及技术性的基本原则,这样才能够取得预期的良好效果。消防安全管理在高层住宅小区运营期也发挥着非常重要的作用。高层住宅在减少土地占有率的同时也增加了火灾隐患,“水火无情”,高层住宅小区一旦发生火灾,会大大增加救火任务难度,尤其老旧高层住宅小区的设施设备
随着当前钢铁生产自动化技术的迅速发展,日渐复杂的轧制过程容易出现重大的安全事故。为了保障生产进程可以连续稳定的运行,及时预警故障并确定故障类型显得格外重要。由于带钢过程运行产生数据量大,故障发生时依赖于主观经验,特别是面临大规模数据分析时,并不能高效精确处理。因此提出了基于神经网络的轧制过程故障诊断方法,以完成对复杂设备的高效、准确的诊断。提取热轧精轧部分轧制力、弯辊力等21个变量的信息,针对数据
矿相学对采矿和选冶化工等矿物资源的开采及利用具有重要的意义,传统矿相学研究的一般步骤为:矿石种类判断,显微镜下矿相分析,整理数据。针对传统矿相学研究效率低,经验要求高的问题,对矿石检测和矿相分割的自动化进行探索。通过爬虫和实验室拍摄8类矿石数据集共1800张,以轻量化模型Shuffle Net v2为主干搭建目标检测网络,采用动态正负样本分配策略使训练阶段所分配的正样本更准确,针对类别不均衡问题,
风能作为清洁能源有着保护环境和缓解供电压力的作用,全球风电装机容量也因此大幅度增长。所以在国内外准确预测风电功率对电力系统和运营调度都具有重要意义。但是风力发电具有很强的间歇性和波动性,为提高风电功率预测的准确性,提出了一种关于准确预测风电功率的新模型。在影响风电功率的波动方面,考虑风速、温度和气压等多种气象因素影响。将原始数据进行归一化和数据预处理,处理后的数据使用基于互信息的最大相关-最小冗余
煤矿井下环境复杂,开采过程存在诸多隐患,及时有效的跟踪定位井下移动目标,对煤矿生产安全至关重要。无线传感器网络在煤矿井下安全监控的应用已成为当前重要研究课题。从无线传感器网络角度出发,分析井下的定位技术以及基于测距和非测距的定位算法。不考虑无线定位技术对定位系统精度的影响,采用融合井下信号传输模型的DV-Hop定位方法对井下移动目标跟踪定位。无线信号在井下巷道传播中易受到多径效应和非视距环境干扰。
近年来,物联网智能控制技术、智能化生产和故障诊断技术逐渐普及,各种设备和系统的在线故障诊断已成为大趋势。目前,大多数轧机设备维修存在维修人员需要现场操作或难以及时发现故障等问题,由于距离等诸多因素,传统的故障诊断效率低、成本高。因此,设计一套基于物联网的轧机远程故障诊断系统势在必行。首先,选取轧机中的厚度控制系统（Automatic Gauge Control,AGC）作为研究对象,分析其工作原理