Author Affiliations
Abstract
1 Laboratory of Microelectronic Devices & Integrated Technology, Institute of Microelectronics of the Chinese Academy of Sciences, Beijing 100029, China
2 School of Integrated Circuits, University of Chinese Academy of Sciences, Beijing 101408, China
3 School of Information and Electronics, Beijing Institute of Technology, Beijing 100081, China
Epilepsy is a common neurological disorder that occurs at all ages. Epilepsy not only brings physical pain to patients, but also brings a huge burden to the lives of patients and their families. At present, epilepsy detection is still achieved through the observation of electroencephalography (EEG) by medical staff. However, this process takes a long time and consumes energy, which will create a huge workload to medical staff. Therefore, it is particularly important to realize the automatic detection of epilepsy. This paper introduces, in detail, the overall framework of EEG-based automatic epilepsy identification and the typical methods involved in each step. Aiming at the core modules, that is, signal acquisition analog front end (AFE), feature extraction and classifier selection, method summary and theoretical explanation are carried out. Finally, the future research directions in the field of automatic detection of epilepsy are prospected.
epilepsy electroencephalography automatic detection analog front end feature extraction classifier Journal of Semiconductors
2023, 44(12): 121401
1 上海理工大学医疗器械与食品学院生物医学工程系，上海介入医疗器械工程技术研究中心，教育部医学光学工程中心，上海 200093
2 四川省绵阳市第三人民医院，四川 绵阳 621000
眼底照相是获取眼部图像的主要技术之一。利用眼底相机对视网膜病变区域进行拍摄可以获得清晰的图像，从获取的图像中能够直接观察到眼球中的渗出物、出血点和微血管瘤，根据检测出的病灶类型、数量和位置等信息可进行糖尿病视网膜病变分类。基于此，本文利用深度神经网络对糖尿病视网膜病变进行自动分类识别，提出了一种体系结构简单、在通用设备上运行速度快的卷积神经网络CA-RepVGG(CA代表Channel Attention，RepVGG为现有模块)。利用单路极简结构的RepVGG模块替代复杂的可使用性较差的模块作为分类模型的主体部位，并选用高效通道注意力机制ECA替代压缩注意力机制SE，以此来提升模型对病变分级的能力。此外，本文还将CA-RepVGG模型与传统的分类模型VGG-16、Inception-V3、ResNet-50和ResNext-50模型进行了比较。从比较结果可以看出，虽然CA-RepVGG模型的参数量最大，但由于其是单分支结构，且只有3×3卷积块，因此它的模型复杂度并不高，分类速度很快，比另外4个模型中分类速度最快的ResNet-50还高出15.3%。另外，利用两个混淆矩阵展示了所提模型的分类结果，其在两个数据集上的准确度都超过了92.4%，精确度不低于91.6%，灵敏度在93.8%以上。从实验结果可知，所提模型不仅可对糖尿病视网膜病变进行分类，而且相比其他现有模型具有一定的优越性。若将该模型应用在临床上，可以提高专业眼科医生在眼科疾病上的诊断效率。
医用光学 眼科 糖尿病视网膜病变分级 眼底照相机 深度学习 眼底图像 自动检测 中国激光
2022, 49(11): 1107001
电子科技大学光电科学与工程学院，四川 成都 611731
显微图像普遍具有背景复杂、细胞多重叠的特点，传统的图像处理方法由于其技术局限性，无法实时准确地完成识别任务。针对上述问题，本文提出一种采用注意力机制的显微图像智能检测方法，该方法对目标检测模型DETR进行改进，利用分组卷积机制对输入特征进行降维并分别训练不同卷积核实现特征提取，从而提高模型对于显微图像中目标物体的注意力，并增加了检测准确率。本文以阴道炎致病微生物检测为应用场景，实验结果表明，改进的模型平均查准率均值mAP为96.3%，比原模型提高约10%。同时，本方法在细胞重叠、粘连以及背景杂质繁多等场景下，仍具有高鲁棒性和强检测能力。每张显微图像检测耗时约为88.8 ms，可以满足实时检测的需求。因此，本文提出的模型可实时准确地对常见的阴道炎致病微生物进行实时高效自动检测，可满足显微镜检临床使用的实际需求。
1 中国科学院大学, 北京 100049
2 中国科学院光电技术研究所, 四川 成都 610209
光电编码器测角误差的检测是编码器在研制和生产过程中必不可少的工作。目前, 人工手动检测装置检测过程复杂、效率较低, 耗时较长, 很难用于批量生产的产品检测。为了弥补现有手动检测装置的不足, 以自准直仪-多面棱体组合作为测量基准, 以步进电机和STM32来实现自动化, 设计了一种绝对式光电编码器测角误差的自动检测系统。阐述了系统的检测原理及软硬件设计, 分析并计算了系统精度, 其扩展不确定度为1.6″。对同一编码器进行手动和自动检测后, 结果分别为6.3″和7.3″, 实验表明检测系统自动检测结果准确。通过本系统进行检测, 检测过程无需人工操作, 效率较高, 在光电编码器的批量检测中, 可以体现出本系统的优势; 此外, 相较于传统的人工手动检测, 通过本系统进行检测更能反映编码器在实际工作中低速转动时角度位置精度的真实情况。
光电编码器 测角误差 自准直仪 步进电机 自动化检测 photoelectric encoder angle measurement error autocollimator stepper motor automatic detection
针对无人机图像帧序列具有平台高速运动，视角旋转强烈，需要实时处理等特点，提出一种基于双级旋转不变特征空间检测（粗匹配-精细匹配）与并行特征提取跟踪的无人机对地目标图像帧序列自动快速目标检测与跟踪算法。采用图像子块的平均灰度值、灰度值方差、灰度值梯度构建特征空间。通过构造图像特征空间的方法来快速筛选待匹配图像的可疑区域，删除大量的背景区域，检测算法使用全局初步匹配加局部精细匹配的方法来规避算法复杂度的缺陷。理论及实验分析表明：该算法实时性强，对图像的旋转畸变具有抵消作用，对异常情况可以恰当处理，且全局初步匹配流程具有可移植性，可以在其他图像匹配跟踪算法中充当预处理器。实验结果表明：该算法在无人机对地的情况下可以保证对地面目标的稳定跟踪，配套检测算法具有较好的实时性，满足无人机图像目标检测跟踪实时处理的需要。
无人机 自动检测 目标跟踪 UAV automatic detection target tracking 红外与激光工程
2020, 49(7): 20190522
1 重庆大学光电技术及系统教育部重点实验室, 重庆 400044
2 重庆大学工业CT无损检测教育部工程研究中心, 重庆 400044
针对单次扫描角度不同引起的夹杂检测误差较大、稳定性低等问题,提出了一种低密度粉末材料的多角度数字化X射线摄影(DR)扫描夹杂检测方法。首先对被测对象进行多角度DR检测;然后采用尺度不变特征变换(SIFT)特征匹配的方法寻找不同角度下夹杂的图像,自动选取不同角度下夹杂尺寸的最大值作为近似值;最后建立不同角度下夹杂面积和旋转角度的关系,并预测出夹杂的最大面积和旋转角度。实验结果表明,所提方法解决了计算机断层扫描(CT)效率低的问题,相比单次扫描检测方法,进一步提高了检测的准确性和稳定性,并且较小旋转角度下的预测具有较高置信度,能够满足实际生产检测需求。
图像处理 粉末材料 DR图像 自动检测 多角度扫描 光学学报
2020, 40(11): 1110002
1 中国科学院上海光学精密机械研究所高功率激光物理联合实验室, 上海 201800
2 中国科学院大学, 北京 100049
大型高功率激光驱动装置中,激光能量密度及系统运行速度主要受终端光学元件损伤增长的限制。为高效、精确地检测元件的损伤状态,提出了一种基于局部信噪比的自适应差异窗过滤算法。该算法通过设计一种作用在像素点上的窗函数,以关联邻域点的像素值强弱完成目标点或背景点的判断,从而完成种子图像的阈值化,最后通过对种子图像区域生长完成损伤分割。为验证算法的有效性,搭建了在线检测模拟平台以获取损伤样品图像,并使用该算法对图像进行处理。结果表明:对直径50 μm以上的损伤点,算法的平均识别率在99%以上,达到了高功率激光驱动系统对微小损伤检测的精度要求。因其不需要依据经验设定种子图像的阈值,与现有局部信噪比算法相比具有更高的自动化程度。
测量 损伤检测 图像分割 微小尺寸测量 自动检测 区域生长
1 中国科学院西安光学精密机械研究所瞬态光学与光子技术国家重点实验室, 陕西 西安 710000
2 中国科学院大学, 北京 100049
针对血管内光学相干断层扫描(IVOCT)成像系统,提出一种改进的自适应增强(Adaboost)算法及一种基于动态规划的轮廓分割算法用于可降解支架的自动检测与分割,实现对支架贴壁情况的自动评估。在检测阶段,利用多层决策树构建Adaboost分类器,实现对支架位置和大小的检测;基于检测结果,利用动态规划算法对支架轮廓进行分割;最后,结合分割结果,对支架贴壁情况进行计算。实验结果显示,所提算法的检测召回率达到91.6%,精确率为87.2%,轮廓分割的平均Dice系数为0.80,表明所提算法能够实现IVOCT影像中可降解支架的准确检测与分割,且具有较好的稳健性。
机器视觉 自动检测与分割 自适应增强算法 可降解支架 血管内光学相干断层扫描图像
1 91404部队, 河北 秦皇岛 066000
2 华中光电技术研究所—武汉光电国家实验室, 湖北 武汉 430223
舰载激光通信中,成功捕获信标光是通信链路建立的首要条件。为了实现复杂海面背景下信标光自动检测,针对简单背景提出了基于阈值分割的质心提取算法,此算法适用于简单背景下信标光的检测。实验结果表明,此方法简单有效、实时性好,单帧目标结算时间小于20 ms。同时,针对复杂海面背景,质心提取算法易受到反射光及鱼鳞光的影响,提出了基于水天线检测下信标光自动检测提取的方法,仿真试验结果表明，此算法可以有效抑制太阳反射光的干扰。最后研究了基于Haar特征与光流法相结合的目标识别技术,为信标光的检测提供了一种新的方法。
激光通信 信标光 自动检测 复杂背景 Haar特征 laser communication beacon light automatic detection complex background Haar features
