简介：摘要：电网规模随着我国经济的增长也随之出现不断扩大的态势，而且其结构也由简单变得复杂，所以这也就会使很多大型大网因此原因出现互联并引起低频振荡等问题，从而使电力设备或者电力系统出现损坏并影响正常的运行状态。所以，以确保电网安全运行为目标，本文基于深度学习算法对电力系统低频振荡进行了分析，以期可以证明深度学习算法在低频振荡模式中的辨识有效性。

简介：摘要：变压器单台容量变得越来越大，且与电网间互联逐渐增多，提高变压器的抗短路能力变得越来越重要。变电设备的稳定运行是电网安全可靠的基础，变电设备出现故障会导致电网停电，进而造成严重的经济损失。有载分接开关作为变电关键设备，主要作用是励磁或负载条件下改变绕组分接位置，达到调压的目的。有载分接开关引起变电设备异常的主要原因是其机械故障，对于有载分接开关机械故障诊断方法的可靠性要求越来越高。

简介：【摘要】随着社会发展的需要和相关技术的成熟，机器人所具备的功能日益强大和全面，其应用范围也随之不断增加。机器人目前已走进人们的日常生活，并在人类生产和生活中的众多领域中发挥着日益重要的作用。人类对机器人的功能需求早已超越了简单意义上的人工劳动替代，而是需要机器人能在不同环境中完成各种各样的任务，从而满足人类的各种需求。为进一步提高机器人在复杂环境中自主导航的智能化水平，项目以室内机器人平台为研究对象，以深度学习技术为基础，通过联合不同模式的深度学习算法来解决机器人环境感知和运动策略学习问题，构建具有自组织、自适应和自学习能力的室内机器人导航系统。

简介：摘要目的构建一种基于深度学习的肺结节分类以及分割算法，探究其在不同CT重建算法下的诊断效能。方法回顾性收集2019年6至9月天津医科大学朱宪彝纪念医院放射科363例胸部CT平扫影像学资料，每例患者的胸部CT平扫均包含三种CT重建算法（肺重建、纵隔重建、骨重建）生成的图像，这些数据构成了模型的测试集；模型的训练集由公开数据集（LIDC-IDRI）和私有数据集共4 185例患者胸部CT图像组成。模型的构建采用3D深度卷积神经网络和递归神经网络结合的方式，在多任务联合学习下训练肺结节密度类型分类和分割，最后将训练好的模型在天津医科大学朱宪彝纪念医院放射科363例测试病例上进行效果测试，得到三种CT图像重建算法下结节分类准确率和分割Dice系数指标。采用方差分析对三种CT重建算法下的结节分类准确率和分割Dice系数进行比较以分析差异是否有统计学意义。结果在三种CT重建算法下，模型对肺结节密度类型的分类准确率分别为98.67%±5.70%、98.38%±6.61% 和97.89%±7.32%，其中实性结节的分类准确率分别为98.79%±5.58%、98.49%±6.89%和97.90%±7.41%，亚实性结节的分类准确率分别为97.57%±10.19%、98.52%±7.77%和98.52%±7.77%，三种不同重建算法下的肺结节的分类准确率差异无统计学意义（均P>0.05）。三种重建算法下，所有结节分割的Dice系数分别为79.87%±5.78%、79.02%±6.04%和79.31%±5.95%，三组间结节分割的Dice系数差异无统计学意义（均P>0.05）。结论结合了3D卷积神经网络和递归神经网络的深度学习算法，对不同CT重建算法图像中肺结节的分类和分割均有较为稳定的效果。

简介：无

简介：摘要目的采用主客观评价系统分别评价深度学习方法在动静脉期CT上的分割效果，并探索影响动静脉期胰腺分割差异的因素及影响静脉期胰腺分割的相关因素。方法回顾性收集2019年1至11月北京协和医院放射科218例胰腺CT扫描数据，每例均包含动脉期和静脉期图像，并按照训练集+验证集与测试集为7∶3的比例将数据随机划分为训练集（139例）、验证集（20例）及测试集（59例），使用训练集训练二阶段全局局部渐进融合网络，在验证集上寻找最优分割效果的模型参数，对测试集进行预测并对结果进行主观及客观评价。主观评价基于胰腺与周围器官的临界区域，采用李克特5分量表；客观评价采用Dice相似系数（DSC）。采用配对t检验或Wilcoxon配对秩检验比较动静脉期主客观评分的差异。结果在十二指肠、十二指肠空肠曲、左肾上腺、门脉、肠系膜上静脉、脾动脉及脾静脉处胰腺临界区域动脉期主观评分［M（Q1， Q3）］分别为4（4， 5）、5（4， 5）、5（4， 5）、4（4， 5）、5（4， 5）、5（5， 5）及4（3， 5）分，静脉期主观评分［M（Q1， Q3）］分别为4（4， 4）、5（4， 5）、5（4， 5）、5（4， 5）、5（5， 5）、4（3， 4）、5（5， 5）分，以上临界区域的胰腺动、静脉期主观评分差异均有统计学意义（均P<0.05）；静脉期DSC略高于动脉期，差异无统计学意义（DSC：0.923比0.921， P=0.952）。胰腺与十二指肠空肠曲、胃、左肾上腺存在脂肪间隙组在静脉期主观评分分别为4.64、4.68及4.63分，无脂肪间隙组的主观评分分别为4.56、4.62及4.56分，胰腺与十二指肠空肠曲、胃、左肾上腺有、无脂肪间隙两组间的主观评分差异均有统计学意义（t=2.147、2.112、2.277，均P<0.05）。除外脾，胰腺临界区域与其余周围器官的密度差在动静脉分割的差异均有统计学意义（均P<0.05）。结论利用双期CT构建深度学习胰腺自动分割模型，并对分割效果进行主客观评价，主观评价可以提高今后胰腺临界区域的分割能力。

简介：

简介：

简介：

简介：

简介：摘要随着课堂改革不断深入，信息技术逐渐进入农村小学数学课堂，让学生接触到更多的资源，但是纵观农村小学数学课堂现状，这种基于简单记忆和重复训练的浅层学习问题比较突出使得学习效率低下。从分析当下农村小学数学课堂现状入手，运用深度学习的理念批判修正浅层学习所产生的问题，从而调整教学策略引导学生深度学习聚焦核心素养培养。

简介：

简介：摘要：本文旨在探讨人工智能与深度学习之间的关系。通过对两者的定义、发展历程和应用领域进行分析，揭示了深度学习在人工智能领域中的重要性和优势。通过逐步阐述深度学习的基本原理和常用模型，以及在计算机视觉、自然语言处理等领域的应用案例，展示了深度学习在实际应用中的强大能力。本文还讨论了深度学习面临的挑战和未来的发展方向。通过本文的研究，读者将更好地理解人工智能与深度学习的联系，并对深度学习的应用和发展有更深入的认识。

简介：摘要

简介：摘要本研究目的是建立一个可家用的能直接显示龋病范围的深度学习分割模型。收集解放军总医院第一医学中心口腔科门诊2019年9月至2021年6月共494张用内窥镜采集的、含有龋齿的磨牙和前磨牙照片，由医师进行标注后用DeepLabv3+进行分割训练，随后进行验证和评估。建立的深度学习分割模型识别龋病的平均准确度为0.993，灵敏度为0.661，特异度为0.997，Dice系数为0.685，并交比（IoU）为0.529。本研究建立的深度学习分割模型可以识别并分割出龋病范围。

简介：摘要深度学习作为当前信息处理领域的研究热点，目前在医疗、教育、图像处理等领域都展示出了惊人的潜力，本文主要就深度学习常见的卷积神经网络算法，从其各层的基本结构（主要是输入层、卷积层、激励层、池化层、全连接层）进行了简单的介绍，同时对卷积神经网络算法的优缺点进行了讲解。

简介：摘要学生在刚开始接触数学时，教师要让学生树立一种意识，就是无论学习哪一科的内容，一定要树立特属于这个学科的素养。在数学中形成良好的数学核心素养，对于数学的学习有较大的帮助，数学是和其他学科联系比较密切的，在以后的化学和物理的学习中都很有帮助。本文将对小学数学课堂中学生核心素养的培养途径进行深入的分析和研究，不让学生单纯地掌握知识，认识要对数学深度学习，不要只停留在表面。

简介：摘要目的探讨基于深度学习重建算法（DLR）的冠状动脉CT血管成像（CCTA）图像质量和对钙化病变所致冠状动脉狭窄的诊断价值。方法前瞻性纳入2020年2月至2021年2月北京协和医院放射科确诊或拟诊冠心病的33例患者，其中男26例，女7例，年龄45~86（61.9±9.0）岁。所有患者接受CCTA检查并于1个月内进行有创冠状动脉造影（ICA）检查。采用DLR和混合迭代重建算法（HIR）重建CCTA图像。分别在主动脉根部、左主干开口、左前降支近段、左回旋支近段及右冠状动脉近段选取不同的感兴趣区测量两种图像的噪声、信噪比（SNR）、对比噪声比（CNR），并以Likert 4级评分法进行图像质量主观评分（1分，优秀；4分，不能诊断）。以ICA为金标准，计算基于DLR和HIR的CCTA诊断钙化斑块所致冠状动脉血流梗阻性病变的诊断效能。结果共33例患者的123处病变纳入分析。DLR图像的噪声低于HIR图像（定义为主动脉根部CT值的标准差：18.12±3.66比24.19±5.71，P<0.001），CNR和SNR均高于HIR图像（主动脉根部CNR：43.83±23.73比26.38±9.69，P<0.001，SNR：26.66±7.83比21.23±8.65，P<0.001），主观评分优于HIR图像（1.12±0.41比1.46±0.60，P<0.001）。DLR与HIR对于诊断钙化病变所致冠状动脉血流梗阻性病变的灵敏度、特异度和准确度分别为100.0%、77.4%、78.9%和100.0%、63.5%、65.9%。与HIR相比，DLR图像上CCTA的假阳性病例减少38%。结论基于人工智能的DLR重建算法能够显著降低CCTA图像噪声并提高图像质量。DLR有助于提高CCTA对钙化斑块所致冠状动脉血流梗阻性病变的诊断效能，具有良好的临床应用价值。

简介：1.短文本摘要的必要性

简介：