目標(biāo)檢測是計算機(jī)視覺任務(wù)中的一個重要研究領(lǐng)域,現(xiàn)已在安防、醫(yī)學(xué)和軍事等諸多場景中得到應(yīng)用。隨著城市智能、工業(yè)智能、醫(yī)學(xué)智能等迅速發(fā)展,對目標(biāo)檢測的速度和精度提出了迫切且嚴(yán)格的要求。近年來,深度學(xué)習(xí)憑借其強(qiáng)大的自主特征學(xué)習(xí)能力在目標(biāo)檢測任務(wù)上的檢測精度不斷提升。但是,傳統(tǒng)的可見光單模態(tài)圖像的目標(biāo)檢測,限制了復(fù)雜場景下目標(biāo)檢測的應(yīng)用。同時,信息技術(shù)的迅猛發(fā)展使得數(shù)據(jù)表示形式也呈現(xiàn)出多態(tài)性、多源性和多描述性的特點(diǎn)。可見光、紅外、激光等多波段數(shù)據(jù)可以實現(xiàn)數(shù)據(jù)互補(bǔ),不同波段的圖像或信號提供的信息具有冗余性、互補(bǔ)性和合作性。多波段目標(biāo)檢測大大擴(kuò)展了深度學(xué)習(xí)應(yīng)用場景,具有重要的研究價值。本文從工程應(yīng)用和算法研究出發(fā),針對短波段一維醫(yī)學(xué)信號、可見光波段二維人臉圖像、紅外波段城市場景圖像,分別提出了三種改進(jìn)型深度學(xué)習(xí)算法,建立了多波段目標(biāo)檢測系統(tǒng),并實現(xiàn)了實際場景應(yīng)用。本文主要研究工作如下:（1）提出基于改進(jìn)型卷積神經(jīng)網(wǎng)絡(luò)的短波段腦電信號目標(biāo)檢測算法,實現(xiàn)了注意力缺陷障礙（Attention Deficit Hyperactivity Disorder,ADHD）患者腦部量化自動診斷。由于腦部病變的復(fù)雜... 

【文章來源】：南昌大學(xué)江西省 211工程院校

【文章頁數(shù)】：72 頁

【學(xué)位級別】：碩士

【部分圖文】：

圖１．］本課題的研究內(nèi)容框架結(jié)構(gòu)圖??１．２國內(nèi)外研究現(xiàn)狀??

?第２章基于改進(jìn)卷積神經(jīng)網(wǎng)絡(luò)的腦電信號檢測及應(yīng)用???電信號目標(biāo)檢測算法，實現(xiàn)了?ＡＤＨＤ患者腦部量化自動診斷。本章節(jié)提出的??ＡＤＨＤ量化自動診斷流程如圖２．１所示。首先對臨床受試者進(jìn)行持續(xù)操作試驗測??試（Ｃｏｎｔｉｎｕｏｕｓ?Ｐｅｒｆｏｒｍａｎｃｅ?Ｔｅｓｔｓ，ＣＰＴ）米集一維腦電信號。然后使用一種數(shù)據(jù)??增強(qiáng)的方法來克服臨床樣本數(shù)量缺乏的問題。接著使用改進(jìn)的ＡＤＨＤ－ｌＤＮｅｔ對??腦電信號進(jìn)行分類。最后系統(tǒng)根據(jù)病例獲得相應(yīng)的結(jié)果，并將結(jié)果返回。??，受試者?預(yù)處理網(wǎng)絡(luò)??＾?｜?饋??－￡｜??ＡＤＨＤ－ｌＤＮｅｔ?樣＇翁??；？＊?ｉｒｍ?＾??專家評估?數(shù)據(jù)擴(kuò)增??圖２．］本章節(jié)的ＡＤＨＤ診斷系統(tǒng)流程圖??２．２數(shù)據(jù)介紹??２．２．１實驗數(shù)據(jù)??研宄發(fā)現(xiàn)前額區(qū)域涉及ＡＤＨＤ的發(fā)病機(jī)制ｔＷ，因此本課題利用前額區(qū)７個??導(dǎo)聯(lián)（ＦＰ１，ＦＰ２，?Ｆ７，?Ｆ８，?Ｆ３，?Ｆ４，?Ｆｚ）的一維腦電信號來比較ＡＤＨＤ受試者??和對照受試者之間的差異。本文的受試者分為ＡＤＨＤ組和正常對照組。其中，??ＡＤＨＤ組的１０名受試者從本市一家醫(yī)院招募，并根據(jù)ＤＳＭ－ＩＶ診斷標(biāo)準(zhǔn)被診斷??為ＡＤＨＤ。同時，從本市的一所小學(xué)招募了?１０名條件匹配的正常兒童。該研究??得到了兒童監(jiān)護(hù)人和醫(yī)院倫理委員會的批準(zhǔn)。??１０??

改進(jìn)卷積神經(jīng)網(wǎng)絡(luò)的腦電信號檢測及應(yīng)用???２．２．２數(shù)據(jù)采集方案??研宄表明ＣＰＴ對ＡＤＨＤ具有一定的輔助診斷價值Ｍ。ＣＰＴ范式意味著受試??者被視覺或聽覺形式反復(fù)刺激，然后受試者需要對所給予的刺激作出對應(yīng)的反??應(yīng)。ＣＰＴ測試通常會得到６個商數(shù)，研究表明ＡＤＨＤ組的所有商數(shù)均明顯低于??對照組。在ＣＰＴ任務(wù)中，ＡＤＨＤ患者與對照組相比，ＡＤＨＤ患者表現(xiàn)出遺漏數(shù)??多，命中率低，反應(yīng)遲緩和持續(xù)時間短等特征。因此本課題采用一種改進(jìn)的視覺??ＣＰＴ范式用來收集受試者的腦電信號，如圖２．２所示。??提示刺激?靶剌激?提示刺激??Ｉ第Ｉ個數(shù)字）?（第２個數(shù)字）?（第１個數(shù)字）??．?ｍｉｌ．?？?：ｎ＿?＜?？ＳＳ．?？?，?下；Ｔ??結(jié)束▼?３Ｑ（）ｍｓ?，?１２００ｍｓ?？?３００ｍｓ?Ｔ?ｌ２００ｍｓ?▼開始??開始注意?幵始注意??＿幵始響應(yīng)??—個ｔｒｉａｌ?一?＾??⑷??背景?背景?Ｌｕｒｅ?背景?ＮｏＧｏ?背景?Ｇｏ?背景??—７＼／４￣２?／?４?９Ｘ?ｘ８?０＾－１?３＇，６?７?１?９Ｘ?／?６?３?＇??…人＿人＿人—＿Ｉ?」二??（ｂ）??圖２．２本章節(jié)所用的改進(jìn)型視覺ＣＰＴ實驗范式。（ａ）實驗流程；（ｂ）刺激序列??本文采用的ＣＰＴ范式包含Ｇｏ，?ＮｏＧｏ、Ｌｕｒｅ和背景四種條件。ＣＲＴ顯示屏??上顯示的是隨機(jī)的阿拉伯?dāng)?shù)字０－９，且每次只呈現(xiàn)一個數(shù)字，每個數(shù)字會在ＣＲＴ??顯示屏上停３００ｍｓ，然后黒屏１２００ｍｓ的時間。每個ｔｒａｉｌ由相鄰的提示刺激和目??標(biāo)刺激組成，在測試中，數(shù)字１和９相當(dāng)于線索。當(dāng)提示刺激為１且目標(biāo)刺激為??９時為Ｇ

【參考文獻(xiàn)】：
期刊論文
[1]基于YOLOv3的紅外行人小目標(biāo)檢測技術(shù)研究[J]. 李慕鍇,張濤,崔文楠.  紅外技術(shù). 2020(02)
[2]無人駕駛汽車的安全問題及對策[J]. 范泉涌,金茂菁,黃玲,王薛超,曹耀光.  科技中國. 2019(06)
[3]基于尾燈的夜間前方車輛檢測與跟蹤方法[J]. 于莉媛,郭云雷,牛萍娟,劉大利,劉雷,羅德智.  天津工業(yè)大學(xué)學(xué)報. 2019(01)
[4]基于卷積神經(jīng)網(wǎng)絡(luò)的反向傳播算法改進(jìn)[J]. 楊鶴標(biāo),龔文彥.  計算機(jī)工程與設(shè)計. 2019(01)
[5]基于時空雙稀疏表示的成人ADHD腦網(wǎng)絡(luò)檢測與分析[J]. 龔軍輝,劉小燕,周建松,孫剛.  自動化學(xué)報. 2019(10)
[6]注意缺陷多動障礙的視聽注意反應(yīng)與P300的相關(guān)性研究[J]. 陶丹紅,吳緒旭,石敏,鄒瑩,孔微,韓耀靜,陶明.  浙江醫(yī)學(xué). 2017(23)
[7]基于總體經(jīng)驗?zāi)B(tài)分解的多類特征的運(yùn)動想象腦電識別方法研究[J]. 楊默涵,陳萬忠,李明陽.  自動化學(xué)報. 2017(05)
[8]基于視覺的目標(biāo)檢測與跟蹤綜述[J]. 尹宏鵬,陳波,柴毅,劉兆棟.  自動化學(xué)報. 2016(10)
[9]成人注意缺陷多動障礙靜息態(tài)功能連接分析[J]. 吳靜,戴培山,趙亞麗,李玲,盛韓偉,李新春.  中國醫(yī)學(xué)物理學(xué)雜志. 2015(04)

碩士論文
[1]基于車載紅外圖像的目標(biāo)檢測系統(tǒng)[D]. 林旭鵬.北京交通大學(xué) 2019
[2]紅外圖像中基于卷積神經(jīng)網(wǎng)絡(luò)的車輛檢測[D]. 樊峻暢.西安電子科技大學(xué) 2017
[3]基于深度學(xué)習(xí)的運(yùn)動想象腦電分類[D]. 戴若夢.北京理工大學(xué) 2015



本文編號：3318853