简介：在此提出一种改进的深度卷积神经网络模型,该模型通过增加并联卷积层,拓展卷积神经网络宽度实现,有利于提取图像特征,提高网络性能;卷积层中对特征图像采用批量归一化方法进行预处理,加快网络训练.实验结果表明,该模型能更准确地学习宫颈癌细胞图像特征,从而有效降低了分类错误率.

简介：深度学习是人工智能领域发展的一个不可或缺的部分,并且广泛应用于图像识别方面.为了进一步降低宫颈癌细胞图像的识别错误率,本文提出了一种基于卷积神经网络的改进算法.该算法通过搭建卷积神经网络框架,对下采样过程中特征提取阶段的池化模型进行改进,在下采样过程中对池化域内的每个元素分配合适的权值得到下采样特征图.实验结果表明,我们所提出的基于卷积神经网络的改进算法降低了对宫颈癌细胞图像的识别错误率.

简介：摘要：随着科学技术的发展，人工智能已经被广泛应用到生活中，计算机视觉作为其中的重要领域，也被研究者逐渐重视。本文重点讲述了卷积神经网络以及图像分割的发展史，重点讲述了目前具有代表的deeplab神经网络架构中的特点，分析其中的原理，对后续的研究具有借鉴作用。

简介：摘要：深度学习是人工智能领域的重要研究方向，TensorFlow是目前流行的深度学习框架。首先对TensorFlow框架及其环境搭建进行了介绍，在Tensorflow框架基础之上实现了U-Net网络模型；然后论述了基于该框架的卷积神经网络模型在脑出血CT图像分割中的应用。

简介：摘 要 : 本次论文针对于图像处理提出了，基于卷积神经网络的一种自动分割的方式。把图像进行去噪音处理 ， 归因化，然后再进行标注。使用有效的融合多尺度和残差连接卷积神经网络器进行训练，进而得到一个被优化的卷积神经网络的分割模型，再把这个图像加载到一个优化的模型里面，把原图以及恢复分辨率以后的图像进行掩码，进而得到一个高清的分割结果。把最后处理结果和利用 ps 处理的结果进行对比，结果表明 ， 本次研究中使用的方法非常可靠，得到的结果和标准结果很接近，而且能够实现自动分割，进而可以有效的解决在三维重建中的分割任务等问题。

简介：针对皮肤镜黑色素细胞瘤图像,提出一种基于自生成神经网络(self-generatingneuralnet-work,SGNN)的自动分割算法。算法首先采用区域生长的方法将图像进行粗分割;然后将每一个子区域看作一个叶节点,根据节点之间的相邻关系定义连接规则;最后采用SGNN对这些节点进行聚类,完成黑色素细胞瘤图像的分割。本文方法克服了传统SGNN算法对样本训练顺序敏感的缺陷,提高了效率,实验结果表明,该方法能够自适应确定聚类数目并准确分割黑色素细胞瘤图像。

简介：为有效降低宫颈癌细胞图像在图像识别中的假阴性率,在此提出一种改进的残差网络算法.该改进算法通过对交叉熵代价函数增加权重实现,根据不同病变程度的宫颈细胞建立权重矩阵,有针对地对假阴性类别的输出进行加权处理,优化分类输出、减少假阴性误判.实验结果表明,对于不同的宫颈细胞图像数据集,本改进算法输出分类效果稳定;与传统图像分类算法相比,改进后的交叉熵代价函数算法在识别分类宫颈细胞图像时,能有效降低宫颈癌细胞图像的假阴性率.

简介：ConfigurablemultilayerCNN-UMemulatoronFPGA；Cortically-inspiredVisualProcessingwithaFourLayerCellularNeuralNetwork；Effectofcouplingresistorsonsteadypatternsincoupledoscillatornetworks；Exponentialconvergenceestimatesforneuralnetworkswithmultipledelays；FEATUREEXTRACTIONINEPILEPSYUSINGACELLULARNEURALNETWORKBASEDDEVICEFIRSTRESULTS；FurtherResultsontheStabilityofDelayedCellularNeuralNetworks；Globalstabilityanalysisindelayedcellularneuralnetworks；ImageedgedetectionusingadaptivemorphologyMeyerWavelet-CNN。

简介：

简介：

简介：ACNN-BASEDCHIPFORROBOTLOCOMOTIONCONTROL，ACNN-basedtexturesegmentationbyintegratingtexturefeatureimages，Alearnablecellularneuralnetworkstructurewithratiomemoryforimageprocessing，Aquantumdotimageprocessor，Adaptiveimagerestorationusingcellularneuralnetworks……

简介：ApplyingthegeneticprogrammingtomodelingofdiffusionprocessesbyusingtheCNNanditsapplicationstothesynchronization.Cellularneuralnetworkanditsapplicationinthediagnosisofabnormalautomobilesound.Cellularneuralnetworkinimagefiltrationtasks.Cellularneuralnetworksanditsapplicationforabnormaldetection-optimizationofthecellularneuralnetworksbydesigninganoutputfunction.

简介：摘要目的探索基于多参数MRI的放射组学特征和神经网络模型在区分宫颈癌淋巴结转移的效能。材料与方法回顾性分析178例宫颈癌并提取9个临床及病理特征，经过方差分析进而提取3个特征进入模型。两位观察者分别用软件勾勒得到感兴趣容积，提取到428个放射组学特征。放射组学特征结合临床及病理特征建模：分别组成428维、437维、431维模型。通过Python库的torch和sklearn构建并评价神经网络模型和支持向量机模型。组内相关系数(intraclass correlation coefficient，ICC)来评估观察者之间的信度，使用分类准确率、敏感度、特异度和受试者特征曲线下面积(area under the receiver operating characteristics curve，AUC)用来衡量检测模型性能。使用sklearn中的metrics.roc_curve函数绘制ROC曲线，通过最大约登指数(Youden index)确定最佳界值，并进行诊断效能评估。结果两位观察者ICC为0.819、观察者内ICC为0.796。431维神经网络模型AUC为0.882，在测试集中该模型的分类准确率、敏感度和特异度分别为0.810、0.840和0.741，优于其他模型。结论基于多参数MRI的神经网络模型可有效地预测宫颈癌淋巴结转移。

简介：摘要

简介：摘要：图像自动标注问题要解决的就是图像和标注词之间的语义问题，为了让计算机能够解决图像与文本之间的“语义鸿沟”，让计算机通过一个模型算法计算得到我们需要的分类结果，而这个模型可以看成一个很复杂的函数，通过这个函数计算得到的结果便是我们需要的。卷积神经网络作为近些年来比较热门的深度学习算法，因其在图像识别领域有着强大的能力，故而选择了卷积神经网络作为主要模型。

简介：摘要:本文聚焦于探讨神经网络在图像识别领域的应用。通过对神经网络技术在人脸识别、物体检测与分类、医学图像分析以及场景理解与分割等具体应用案例的深入剖析，揭示其在提升图像识别精度和效率方面的显著贡献。然而，文章也指出神经网络在数据和计算方面所面临的挑战，并探讨未来发展的趋势与方向，这些研究有望进一步推动神经网络在图像识别中的应用和创新。

简介：摘要：卷积神经网络（Convolutional Neural Network, CNN）是近年来在图像识别领域取得重大成就的一种深度学习模型。随着现在数字化工业革命的到来，数字图像的广泛应用，图像识别技术逐渐在计算机视觉领域的研究中逐渐占据越来越重要的地位。图像识别技术，又称为计算机视觉技术，它可以让计算机理解和处理图像，从而实现自动识别、分类、分割、跟踪等任务，逐渐成为热门研究方向，受到研究人员广泛关注。本文首先介绍了CNN的基本结构和工作原理，然后概述了CNN在某些具体领域中的应用。接着，对CNN的发展历程进行总结，并概括了某些改进的方法。为后续对基于卷积神经网络的图像识别相关理论的进一步研究探索提供参考。

简介：摘要：肺炎是一种常见且严重危害人体健康的呼吸系统感染疾病，CT影像不仅能直观地显示病变部位，还可提供诸如病灶形态、密度等信息，在早期发现和治疗过程中发挥着重要作用，也是医生了解病变程度和患病细节的常见手段。在卷积神经网络的基础上，开展肺部病变的判断以及病灶区域的分割定位研究，可以大幅提高诊疗速度，协助医生准确诊断和定位肺炎病变区域。目前的肺炎辅助诊断方法多将分类与分割算法的实施截然分开，区别于目前多将分类与分割算法实施截然分开的肺炎辅助诊断方法，研究了在通用卷积神经网络的基础上完成快速分类任务的实现方法，在专业人士的参与下标注并建立了用于肺炎病灶区域分割的数据集，并利用U-Net及相关改进网络模型，在训练集规模较小的情况下可完整勾勒出肺炎病灶的边缘，并获得到相对较高的分割精度。实验结果表明，通过在所处理的近300张数据集上进行实验，可以得到近85%的准确度。

简介：全反射荧光分析（TXRF）比常规荧光分析（XRF）具有更高的灵敏度。我们在北京正负电子对撞机同步辐射3W1A新光束线改建的同步辐射荧光站上（更换了新探测器及相应谱仪系统）。用TXRF对肺癌细胞和宫颈癌细胞进行了凋亡前后的研究，得到了这些细胞凋亡前后的荧光谱。从分析这些谱的结果我们可以看到，凋亡前后这些癌细胞中某些微量元素的含量有了变化，甚至是明显变化。从这些变化中我们可得到一些启发，如果能找到它们的变化规律是否可为治疗癌症做一点贡献呢？

简介：摘要:随着大数据时代的到来和计算机能力的提升，传统的目标检测方法难以处理庞大的图像数据以及无法满足人们对目标检测精度和速度上的要求，而卷积神经网络具有强大的特征学习能力，突破了传统目标检测方法的瓶颈，基于卷积神经网络的图像目标检测技术在诸多领域掀起了新的应用热潮。首先，文中介绍了卷积神经网络在目标检测任务上的优越性；其次，梳理了基于卷积神经网络的图像目标检测在医学、工业、农业领域中的典型应用，并对其中几种典型卷积神经网络的结构进行归纳总结分析；最后，讨论了目标检测的应用方面仍然存在的问题，并对基于卷积神经网络的图像目标检测应用的未来研究发展方向进行展望。