陈晓艳
- 作品数：94 被引量：163H指数：7
- 供职机构：天津科技大学更多>>
- 发文基金：国家自然科学基金天津市自然科学基金天津市应用基础与前沿技术研究计划更多>>
- 相关领域：自动化与计算机技术医药卫生机械工程电子电信更多>>
- FCU-Net深度肺部电阻抗图像重建方法
- 本发明提出了一种FCU‑Net深度肺部电阻抗图像重建方法。FCU‑Net是由全连接的5层映射模块、12层的特征提取模块、12层的深度成像模块和1个输出层构成顺序连接的30层深度神经网络模型。该网络利用5层全连接神经网络将...
- 陈晓艳王子辰张新宇付荣王迪
- 文献传递
- 基于同步测量的电阻抗层析成像系统研究被引量：5
- 2015年
- 针对APT模式EIT系统存在的异步测量、结构复杂、调试困难等问题,研究设计了一种基于同步测量的电阻抗层析成像系统,从硬件和软件两个方面阐述了如何实现同步测量。系统硬件由PXI集成控制器、开关模块、数据采集模块和自制电流源组成,简化了系统结构,提高了系统的稳定性和精确度。本系统采用Lab VIEW开发了专用软件包,实现了信号的同步采集,并用改进正则化算法重建了电导率分布图像。对比实验显示了同步测量和异步测量的差异,结果表明同步测量EIT系统图像更清晰,伪影更少,平均相对误差降低了48.99%。本文提供了一种可行的EIT系统同步测量方法,该方法适用于多电极(电极数≥16)场域的无损伤成像应用。
- 黄华芳杨涛陈晓艳杨永政
- 关键词：同步测量PXILABVIEW
- 基于Deep CG的肺部电阻抗成像方法
- 2023年
- 针对电阻抗图像重建空间分辨率不足问题,基于深度学习理论提出一种共轭梯度快速预重建与深度堆栈式自编码器后处理的电阻抗成像方法(Deep CG)。该方法的核心思想是:融合数值重建算法与深度学习算法,使胸腔内肺部的结构和电导率分布更加精准。首先采用共轭梯度算法进行图像预重建,获得边界电压与胸腔内部电导率分布的预映射关系;再采用深度堆栈式自编码器,将编码和解码层级连接,充分利用不同空间特征信息,实现特征提取和图像重建;最后根据公开的80名临床患者的CT结构图像构建了数据集,采用混合式监督训练方法调参,不仅避免了深度网络中信息流和梯度流弥散问题,而且优化了算法模型。采用图像相对误差、相关系数进行量化指标评价,并与常用的数值图像重建算法和全连接神经网络模型进行对比。结果显示,Deep CG算法的比常用图像重建算法图像和全连接神经网络模型相对误差从0.50和0.24降低到0.11,相关系数由0.80和0.90提高到0.96。该方法获得了空间分辨率高,尤其边界更清晰的电阻抗图像,有望进一步推动EIT技术在临床的应用研究。
- 王子辰付荣张新宇王迪陈晓艳
- 关键词：电阻抗成像共轭梯度
- 电阻抗断层功能图像与解剖图像的合成方法
- 本发明涉及一种电阻抗断层功能图像与解剖图像的合成方法，包括如下步骤：(1)获取相同时刻的电阻抗断层功能图像和解剖图像；(2)将电阻抗断层功能图像和解剖图像进行边界配准；(3)提取电阻抗断层功能图像中的电阻抗敏感区域的图像...
- 陈晓艳王化祥
- 文献传递
- 一种基于注意力导向CNN 的晶粒缺陷检测方法
- 2021年
- 针对半导体生产过程中的晶粒缺陷检测任务,提出了一种融入多头注意力机制的新型CNN模型(Attn-Net).该模型使用深度可分离卷积和标准卷积累加的卷积结构提取输入图像特征,借助多头注意力机制更新特征权重,输出注意力机制筛选的图像分类结果.在13513张晶粒图像构成的数据集上训练、验证及测试,并与VGG-16、ResNet-50和MobileNet-v2进行对比.相较于现有经典CNN网络模型,Attn-Net检测用时更短(1.26 s),模型尺寸更小(25 MB),在测试集上的分类准确率超过99%,是一种高效且轻量化的晶粒缺陷检测和分类模型.
- 陈晓艳陈俭永朱奎锋苏艳杰赵春东张东洋
- 关键词：卷积神经网络图像分类
- 基于V-ResNet肺部成像方法
- 本发明提供了一种基于V‑ResNet肺部成像方法，V‑ResNet网络结构是由预映射模块、特征提取模块、深度成像模块和残差去噪模块构成顺序连接的51层深度神经网络模型。该网络利用预映射模块将边界电压信号映射为描述场域特征...
- 陈晓艳付荣张新宇王子辰王迪
- 文献传递
- 基于VB的模糊神经网络控制技术研究
- 2004年
- 本文将模糊逻辑推理与神经网络控制技术融合,设计了模糊神经网络控制器,仿真结果验证了控制器性能良好,并获取控制器的优化参数。基于VB技术创建了ACTIVEX控件,将该控件嵌入组态软件中进行双水槽液位控制系统的实时控制,结果表明控制及时,系统稳定性得到提高,具有广阔的推广应用前景。
- 陈晓艳白瑞祥
- 关键词：模糊逻辑推理模糊神经网络仿真VBACFIVEX组态软件
- 一种基于Inception模块的并行胶囊网络宫颈癌细胞检测方法
- 本发明提供了医学图像处理领域的一种基于Inception模块的并行胶囊网络宫颈癌细胞检测方法，随着深度学习技术的不断发展，对子宫颈癌细胞图像进行智能识别和分类研究不断深入。本发明包括：步骤一、宫颈细胞图像数据集准备、分类...
- 陈晓艳洪耿任玉蒙
- 文献传递
- 定量称重控制过程的FNNPID控制技术被引量：1
- 2004年
- 针对动态定量称重产生的称量误差,提出改进装置结构,利用模糊神经网络PID技术实现控制。从测量方法和控制原理上解决动态称量过程中精度与速度的矛盾。试验结果表明称量精度得到明显提高。
- 陈晓艳白瑞祥薛薇
- 关键词：定量称重称量精度模糊神经网络PID控制
- 基于i-CapsNet的宫颈癌图像识别方法研究被引量：1
- 2020年
- 宫颈癌是一种严重威胁女性生命及身体健康的重大疾病,宫颈细胞涂片图像是进行癌变识别的重要诊断依据。为了提高癌变细胞的识别精度,本文在胶囊神经网络(CapsNet)的基础上,提出了一种改进的胶囊神经网络模型(improved-CapsNet,i-CapsNet)。首先,针对宫颈癌涂片图像具有三维通道数据特征,构建了多维度数据输入层,并增加三维数据深度卷积层,增强图像深层特征提取能力;其次,改进了编码器中的动态路由方式,采用C-squashing非线性函数作为激活函数,更快速准确地实现胶囊模长的压缩,达到提高癌变细胞的识别精度;然后,针对Herlev公共数据集中正负样本量不平衡现象,将阿里天池宫颈液基薄层电镜扫描图像进行癌细胞图像提取及图像预处理,构建负样本数据集,提高了数据集的多样性和均衡性;最后,采用十折交叉验证方法,进行训练、验证及测试,与SVM、LeNet-5、VGG16及CapsNet模型进行效果对比,本文提出的i-CapsNet模型训练的Loss值最小,收敛到0.0074,测试的识别精度最高,达到99.2%,效果良好,验证了所提出的i-CapsNet的有效性和可行性。
- 陈晓艳洪耿任玉蒙张新宇张新宇闫潇宁
- 关键词：图像识别宫颈癌特征提取
