Jun, 2024

基于 SSA 优化的 ResNet50-BiGRU 模型的图像异常检测和预测方案

PDF
TL;DR通过结合 Residual Network 和 Bidirectional Gated Recurrent Unit 网络，在通过分析图像中的肌肉和骨骼姿势的变化，该研究提出的模型可以预测潜在的受伤类型，并在图像异常检测上取得了最小的误差，为图像异常检测和预测分析提供了新的方法，为人类健康和表现的可持续发展做出了贡献。
发现论文，激发创造
  • 混合深度网络用于异常检测

    本文提出一种深度卷积神经网络 (CNN)，用于监控视频中的异常检测，该网络能够对每帧视频提供异常评估分数，实验结果与现有研究相竞争。

    Aug, 2019

  • 医学影像异常检测代理桥接重建网络

    本研究提出一个基于 Proxy-bridged 图像重构网络的医学图像异常检测方法，其中使用 SI 作为中间代理来提取正常图像和重构图像之间的特征对应关系，在像素和图像级别上都取得了良好的检测效果。

    Oct, 2021

  • 使用级联双注意力 CNN 和双向 GRU 框架的人体运动识别

    本文提出了一种空间 - 时间级联框架，利用深度学习算法提取人类活动的深入特征，并使用双向 Gated 循环单元进行长期时间建模和人类行为识别。实验结果表明，该方法与现有算法相比在帧每秒的执行时间方面提高了最多 167 倍。

    Aug, 2022

  • 应用可穿戴传感器测量的步态周期数据进行帕金森病早期检测的综合深度学习框架：CNN-GRU-GNN 方法

    我们提出了一种深度学习模型，利用步态周期数据集实现对帕金森病的二分类早期检测，通过使用 1D - 卷积神经网络（CNN）、门控循环单元（GRU）和图神经网络（GNN）层，协同地捕捉数据中的时序动态和空间关系，从而实现了非凡的性能表现，准确率、精确率、召回率和 F1 得分分别为 99.51%、99.57%、99.71% 和 99.64%。

    Apr, 2024

  • 基于 GRU 网络的乳腺组织病理图像分割

    本研究提出了一种改进的 MultiResU-Net 用于组织病理学图像分割，该模型通过多尺度分析和分割复杂特征，并通过跳跃连接确保有效的特征传递；改进版本还利用基于高斯分布的注意力机制在高斯分布中合并与组织病理学相关的文本信息；最后，通过对 MultiResU-Net 的跳跃连接采用控制稠密残差块，以从编码器层向解码器层传递信息，使用从提取的空间特征导出的缩放参数，以控制的方式进行传递。验证实验表明，在 TNBC 和 MonuSeg 等两种不同类型的乳腺癌组织病理学图像数据集上，与现有方法相比，该方法展现出卓越的分割性能。该模型的代码可在该 https URL 找到。

    Jun, 2024

  • ResGCN: 基于注意力机制的深度残差网络模型用于属性网络异常检测

    本文提出了 Residual Graph Convolutional Network（ResGCN）, 一种基于 GCN 捕获稀疏性和非线性性的深层残差建模方法，并利用基于残差的注意机制减少异常节点的不利影响和防止过度平滑，以在多个现实世界属性网络中检测异常值。

    Sep, 2020

  • 单幅图像超分辨率的混合残差注意力网络

    通过采用二值化特征融合（BFF）结构，提出了基于残差组（RG）的多尺度特征提取模块和通道注意力机制的混合残差注意网络（HRAN），能够显著提高图像超分辨率的性能。

    Jul, 2019

  • 利用弱监督定位的可解释分类器，用于高分辨率乳腺癌筛查图像

    本研究将全局感知多实例分类器应用于医学图像分析中，该模型可以通过图像级标签训练，生成可能恶性发现的像素级显著性图，并应用于乳腺癌筛查，在性能和速度方面胜过了 ResNet-34 和 Faster R-CNN 模型。

    Feb, 2020

  • 多分辨率物理信息循环神经网络：配方及应用于肌肉骨骼系统

    提出了一种多分辨率物理信息循环神经网络 (MR PI-RNN)，用于同时预测肌肉骨骼 (MSK) 运动和识别 MSK 系统参数，该方法利用快速小波变换将混合频率的表面肌电图 (sEMG) 和关节运动信号分解为嵌套的多分辨率信号，并且采用分层训练的方法设计了一个 GRU 预测模型，并通过逐步训练的方式获得全尺寸训练结果，在保持动态平衡的同时，提高了肘部屈伸运动的运动预测精度。

    May, 2023

  • LoBSTr：从稀疏的上半身跟踪信号实时预测下半身姿势

    本文引入一种基于神经网络的方法，通过上半身的追踪信号来实时预测下半身姿态和脚部接触概率，并使用速度表示来增加其可靠性，克服用户身体比例和规模的差异，同时通过逆运动学来保持身体接触以消除漂浮问题。该方法在多个定量评估中表现出了高效性，适用于商用 VR 设备的野外追踪数据。

    Mar, 2021