融合多尺度特征的密集神经网络肺部肿瘤图像识别方法

    公开(公告)号:CN112348800A

    公开(公告)日:2021-02-09

    申请号:CN202011254411.5

    申请日:2020-11-11

    Abstract: 本发明公开了融合多尺度特征的密集神经网络肺部肿瘤图像识别方法,包括:通过收集CT模态医学图像并预处理,提取不同尺度病灶ROI区域,构成多尺度数据集;所述不同尺度病灶ROI区域带有临床标记的良性或恶性肿瘤标签;将所述多尺度数据集在密集神经网络中训练,构建密集神经网络模型,提取全连接层特征向量并进行特征串行融合;在NSCR分类器中得到肺部肿瘤分类结果。本发明构建的密集神经网络模型优于AlexNet模型,可有效地利用高层信息再次发掘底层新特征,增强了特征在网络间的传播,实现和加强了特征重用;网络深度深、网络泛化能力强,肺部肿瘤分类准确度高。

    基于贝叶斯粗糙集和布谷鸟算法的高维特征选择算法

    公开(公告)号:CN111583194A

    公开(公告)日:2020-08-25

    申请号:CN202010322570.8

    申请日:2020-04-22

    Abstract: 本发明公开了一种基于贝叶斯粗糙集和布谷鸟算法的高维特征选择算法,包括:获取肺部肿瘤图像,并进行目标轮廓分割,得到分割后的ROI图像;提取分割后的ROI图像的高维度特征分量,并基于特征分量构建包含特征属性的决策信息表;采用BRSGA算法对原始特征空间进行约简,得到最优特征子集,利用CS算法对SVM的惩罚因子和核函数参数进行优化,并将约简后的特征子集输入至优化后的SVM,得到分类识别结果。本发明通过遗传算法和BRS生成最优特征子集,在不降低分类精确度的前提下降低特征维度,摆脱了参数人工设置的束缚,减少了时间消耗。利用CS对SVM参数进行全局寻优,具有更有效的探索搜索空间,丰富了种群的多样性,具有良好的鲁棒性和较强的全局搜索能力。

    基于贝叶斯粗糙集和布谷鸟算法的高维特征选择算法

    公开(公告)号:CN111583194B

    公开(公告)日:2022-07-15

    申请号:CN202010322570.8

    申请日:2020-04-22

    Abstract: 本发明公开了一种基于贝叶斯粗糙集和布谷鸟算法的高维特征选择算法,包括:获取肺部肿瘤图像,并进行目标轮廓分割,得到分割后的ROI图像;提取分割后的ROI图像的高维度特征分量,并基于特征分量构建包含特征属性的决策信息表;采用BRSGA算法对原始特征空间进行约简,得到最优特征子集,利用CS算法对SVM的惩罚因子和核函数参数进行优化,并将约简后的特征子集输入至优化后的SVM,得到分类识别结果。本发明通过遗传算法和BRS生成最优特征子集,在不降低分类精确度的前提下降低特征维度,摆脱了参数人工设置的束缚,减少了时间消耗。利用CS对SVM参数进行全局寻优,具有更有效的探索搜索空间,丰富了种群的多样性,具有良好的鲁棒性和较强的全局搜索能力。

    一种供水环境监测装置
    4.
    实用新型

    公开(公告)号:CN219104065U

    公开(公告)日:2023-05-30

    申请号:CN202223481230.3

    申请日:2022-12-26

    Abstract: 本实用新型涉及畜牧业用设备技术领域,具体为一种供水环境监测装置,包括:网关、信号传输模块、水温水位传感器和TDS探头;网关通过防水线缆分别与电源接头、信号传输模块、水温水位传感器和TDS探头电连接,网关用于通过信号传输模块连接终端服务器,并通过水温水位传感器检测饮水槽内的水温和水位数据,以及通过TDS探头检测饮水槽内水的TDS值,并将检测到的水温和水位数据以及水的TDS值传输给终端服务器。本实用新型实施例通过设置的水温水位传感器和TDS探头,能够监测养殖场内饮水槽的水温和水质情况,能够极大改善北方寒冷环境下畜牧养殖场的供水问题,改善牲畜的饮水环境,减少疾病的产生,进而保障了养殖户的经济效益。

Patent Agency Ranking