1 福州大学电气工程与自动化学院，福建 福州 350108
2 中国科学院泉州装备制造研究中心，福建 泉州 362216
当前咽喉反流疾病的筛查主要依靠电子喉镜图像通过反流体征评分（RFS）量表进行评分，尽管这种量化评估方式增强了筛查诊断的客观性，但误诊率、筛查效率仍有待进一步改进。通过深度学习算法实现基于RFS的咽喉反流量化辅助评估。首先，提出一种基于类平衡损失的咽喉反流语义分割与诊断（CBD-FCN）算法，通过RFS量表先验知识对电子喉镜图像进行喉部多区域语义分割，该算法有效解决了数据集样本类别不平衡和小目标检测的问题，平均交并比（IoU）提高6.38个百分点，声带沟、肉芽肿和黏液等小目标检出率分别提升4个百分点、18个百分点和75个百分点。其次，针对RFS量表中难量化评估的主观项，通过SE-ResNet和目标区域分割特征进行量化并实现评分。上述辅助评分结果可以有效快速地实现咽喉反流的筛查诊断，实验结果表明，所提方法的诊断正确率达到94.40%。该研究不仅提供了一种创新的计算机辅助咽喉反流量化评估方法，同时也为基于RFS量表的咽喉反流评估提供了诊断参考，有助于咽喉反流相关疾病的研究。
图像处理 咽喉反流 语义分割 类别不平衡 深度学习 图像处理 激光与光电子学进展
2023, 60(14): 1410020
南京邮电大学 电子与光学工程学院、柔性电子学院, 南京 210046
为探究IQ不平衡产生机理, 结合偏振复用(PDM)、16进制正交幅度调制(QAM)、相位共轭孪生波(PCTW)、正交频分复用(OFDM)、波分复用(WDM)等技术, 采用OptiSystem软件搭建了PCTW-OFDM-WDM系统, 分析了概率整形、串扰、统计相关噪声引起IQ不平衡的机理。理论分析和仿真结果表明: IQ不平衡是由多种因素造成的, 只有过大的IQ不平衡才会对系统性能产生较为明显的影响; 几何整形方案对系统IQ不平衡和性能改善的作用有限; 在时隙和子载波PCTW模式下, 适当地改变共轭分量的分布位置可有效改善IQ不平衡, 并获得比相邻结构更好的传输性能表现。
相位共轭孪生波 正交频分复用 IQ不平衡 非线性效应 星座整形 phase conjugate twin waves orthogonal frequency division multiplexing IQ imbalance nonlinear effect constellation shaping
1 昆明理工大学国土资源工程学院，云南 昆明 650093
2 曲靖职业技术学院，云南 曲靖 655000
针对遥感影像语义分割数据的类别不平衡导致传统神经网络模型趋向于忽略困难样本、推理结果存在空洞和分割准度下降等问题，提出了一种钻形神经网络语义分割方法。首先，定义新的桥接模块用于融合浅层和深层特征信息，使更多建筑细节特征能被网络捕捉；其次，利用多重损失函数在深度学习分割模型训练中加强对困难样本信息的提取；最后，平衡类别训练差异，多层次提取遥感影像中的地物信息，提高分割准度。实验结果表明，所提方法的平均交并比达到0.849，建筑物漏识率和错识率较少，分割准度相比现有方法有一定的提高。
遥感 深度学习 语义分割 类别不平衡 DSNet 激光与光电子学进展
2023, 60(6): 0628002
强激光与粒子束
2022, 34(9): 095016
1 中国科学院光电技术研究所, 四川 成都 610209
2 中国科学院大学, 北京 100049
针对路径相关的相位解包裹算法在较强噪声下具有敏感性, 不能进行精确的相位解包裹, 近几年国内外相继提出了基于深度学习的方法来提高解包裹的抗噪性能。光学相位常用Zernike多项式进行表征, 然而由仿真得到的训练数据却存在类别不平衡问题, 这会导致在分割时效果较差, 甚至无法对后续的包裹相位进行解调。提出了在DeepLabv3+网络结构下, 使用光学包裹相位数据作为训练样本, 通过使用不同的损失函数进行相应训练, 实验结果表明, 通过改善损失函数, 分割精度提升了2.03%, 为后续的高精度相位解包裹提供了可能。
相位解包裹 深度学习 光学相位 类别不平衡 损失函数 phase unwrapping deep learning optical phase category imbalance loss function
1 武汉大学 物理科学与技术学院, 武汉 430072
2 桂林航天工业学院 电子信息与自动化学院, 广西 桂林 541004
针对图像噪声以及血管、支气管等因素引起的肺分割困难的问题, 提出了一种基于逻辑校准的多分类残差网络分割算法。该算法将图像区域划分为肺、背景及边界三类, 通过扩大不同类型间的差异来提升分割准确率。算法先将图像分割为固定尺寸区域, 然后利用残差网络提取纹理特征进行分类训练与测试, 实现粗分割。最后对边界区域阈值处理实现细分割。利用公开数据集对该算法进行了测试, 实验结果表明, 此分割算法在召回率、精确率以及交并比等方面均优于当下前沿的分割网络之一的U-Net, 分别达到99.79%, 98.13%和97.83%, 可为后续的肺部疾病临床诊断提供参考依据。
图像分割 肺分割 多分类残差神经网络 样本不均衡 逻辑校准 阈值分割 image segmentation lung segmentation multi-class residual network class imbalance logit adjustment threshold segmentation
哈尔滨工业大学(深圳)电子与信息工程学院, 广东 深圳 518055
大波特率、高阶调制格式信号的广泛应用使相干光通信系统对收发机中存在的硬件损伤更加敏感,因此迫切需要相应的损伤估计方法。提出了一种新的基于数字信号处理的收发机损伤联合估计方案,该方案可同时监测因光发射机和光接收机硬件不完美引起的光信号同相/正交(IQ)分量幅度、相位不平衡和时钟偏移。该方案首先使用Godard定时误差检测器和施密特正交化法估计并补偿了接收机损伤;接着使用最大似然的独立成分分析法和级联的判决引导最小均方(DDLMS)算法分别实现了对发射机损伤不敏感的偏振解复用和载波相位恢复;最后从DDLMS的抽头系数中估计出发射机损伤。得益于对发射端IQ不敏感的偏振解复用和载波相位恢复,该方案实现了宽范围的损伤监测。仿真结果表明,与传统数字信号处理方案相比,所提方案对发射端幅度、相位不平衡的估计范围分别提升了约100%和33%。
光通信 不平衡损伤 偏振解复用 载波相位恢复
提出一种采用深度卷积神经网络模型对七类病变皮肤镜图像进行分类的方法。使用数据增强方法扩增训练集,提出一种基于ResNet50模型和多分类Focal Loss函数的多分类模型(FL-ResNet50模型),实现皮肤镜图像的多分类。实验结果表明,FL-ResNet50模型的微平均F1值为0.88,优于传统的ResNet50模型。所提方法实现了对七类皮肤镜图像的分类,将图像预处理、特征提取及预测模型学习形成一个完整连续的系统模型,提高了分类性能和效率,具有重要的应用价值。
图像处理 卷积神经网络 皮肤镜图像 图像分类 样本不平衡 数据增强 损失函数 激光与光电子学进展
2020, 57(18): 181022
为减少暴恐图像对社会发展和青少年成长造成的不利影响，本文提出一种基于集成分类的暴恐图像自动标注方法，辅助筛除网页中的暴恐信息。该方法将暴恐图像的标注视作多标签分类问题，利用迁移 学习训练多个子网络，然后通过集成学习对子网络的输出进行融合，同时在融合过程中针对各个标签在不同网络上的准确率进行权重分配，最后经过一系列矩阵运算得到图像的标注结果。实验结果表明，与传统机器 学习算法相比，本文方法在准确率和召回率上都有较大提升，并改善了样本不均衡所造成的不同标签类别上模型标注精确度差异较大的问题。
图像标注 多标签分类 集成学习 权重分配 样本不均衡 image annotation multi-label classification ensemble learning weight allocation label category imbalance 太赫兹科学与电子信息学报
2020, 18(2): 306
