Detection of COVID-19 and its pulmonary stage using Bayesian hyperparameter optimization and deep feature selection methods

Since the first case of COVID-19 was reported in December 2019, many studies have been carried out on artificial intelligence for the rapid diagnosis of the disease to support health services. Therefore, in this study, we present a powerful approach to detect COVID-19 and COVID-19 findings from computed tomography images using pre-trained models using two different datasets. COVID-19, influenza A (H1N1) pneumonia, bacterial pneumonia and healthy lung image classes were used in the first dataset. Consolidation, crazy-paving pattern, ground-glass opacity, ground-glass opacity and consolidation, ground-glass opacity and nodule classes were used in the second dataset. The study consists of four steps. In the first two steps, distinctive features were extracted from the final layers of the pre-trained ShuffleNet, GoogLeNet and MobileNetV2 models trained with the datasets. In the next steps, the most relevant features were selected from the models using the Sine–Cosine optimization algorithm. Then, the hyperparameters of the Support Vector Machines were optimized with the Bayesian optimization algorithm and used to reclassify the feature subset that achieved the highest accuracy in the third step. The overall accuracy obtained for the first and second datasets is 99.46% and 99.82%, respectively. Finally, the performance of the results visualized with Occlusion Sensitivity Maps was compared with Gradient-weighted class activation mapping. The approach proposed in this paper outperformed other methods in detecting COVID-19 from multiclass viral pneumonia. Moreover, detecting the stages of COVID-19 in the lungs was an innovative and successful approach.     

秃鹰搜索算法的优化及图像分类应用

针对秃鹰搜索算法(BES)存在求解的稳定性差且准确性低, 鲁棒性差等缺点, 提出了一种基于秃鹰搜索算法的新型算法(NBES). 首先, 在BES算法的选择搜索空间阶段融合正余弦优化机制算法, 构建融合后的位置更新公式. 其次, 在BES算法的搜索空间猎物阶段加入惯性权重自适应位置更新策略. 最后, 在BES算法俯冲阶段融合萤火虫优化机制算法, 重新定义位置更新公式. 通过11个标准测试函数验证NBES算法性能, 实验表明, NBES算法寻优准确性、收敛速度、鲁棒性都优于BES算法. 为了验证新算法的实际应用价值, 利用NBES算法优化卷积神经网络(CNN)中的超参数学习率, 并将优化后的图像分类模型用于医学影像病理性分类预测, 实验表明, 经过优化的CNN模型分类精度提高9%.     

基于TMP88FH41UG的永磁电机控制系统的设计

以TMP88FH41UG单片机为核心,设计一种永磁电机调速控制系统,利用三相霍尔位置信号实现永磁电机的正弦波驱动。阐述该系统的工作原理,介绍了其软硬件设计。试验结果表明,系统硬件设计合理,软件运行可靠,符合洗衣机用电机控制系统的要求。     

基于低频正弦波励磁方式的电磁流量计设计

提出了一种采用低频正弦波励磁方式的电磁流量计的设计方法,并采用新型的信号处理方法使其比传统的信号处理方法更加简便可靠.实验表明:低频正弦波励磁方式在小流速阶段,可以减弱微分干扰的影响,提高流量计零点稳定性和测世准确度.     

三参数区间数多属性决策的后悔理论方法

本文将后悔理论方法用于解决三参数区间数多属性决策问题.首先,提出一种将三参数区间数转换为两参数区间数的方法,避免了传统三参数区间数在大小比较方面不确定信息的遗失.其次,依据两参数区间数决策信息计算不同状态下备选方案及正理想方案各属性的效用值,从而可得各备选方案的后悔–欣喜值及综合感知效用值.然后,针对权重范围已知的情况,通过构建备选方案综合感知效用最大化优化模型求得属性权重;针对权重信息完全未知的情况,提出一种基于注水原理的属性权重求解方法.最后,利用属性权重加权求和方法得到备选方案综合效用值,从而通过比较综合效用值得到方案的排序结果.     

正弦压力发生器在传感器动态校准中的应用

在介绍正弦压力发生器工作原理的基础上 ,讨论了在应用正弦压力发生器校准传感器动态性能时应用系统的组成和功能。同时 ,给出了采用正弦压力发生器校准传感器动态特性的两个实例。校准结果表明 :这两个传感器分别属于一阶和二阶模型 ,所得的参数模型在幅频和相频特性两方面都与实验结果一致     

基于数字信号处理器的正弦脉宽调制矩阵变换器

将正弦脉宽调制（SPWM）控制技术虚用于矩阵变换器中，导出了矩阵变换器的SPWM调制策略，控制开关函数不需要复杂的数学推导和计算。利用TMS320F240数字信号处理器设计了矩阵变换器控制系统，分析了该系统的控制方法，给出了系统的硬件框图、软件流程图。该系统可满足矩阵变换器对控制实时性的要求，且性能良好，系统软、硬件设计简单。     

正弦扫描振动响应的时频分析

以一个正弦扫描振动响应信号为例,分别应用常用的正弦约减法与短时Fourier变换和Wigner分布进行了对比分析,讨论了在正弦扫描振动激励下结构响应的时频分析问题。结果表明,时频分析方法可以更好地揭示结构的非线性特性或由于层间间隙、连接不牢引起的碰撞等动力学行为,是一种更为有效的正弦扫描振动响应分析方法。     

CEFR主容器内正弦三波激励下液面晃动响应

开发了一套可用于估算正弦三波激励下液面晃动对容器壁和顶盖冲击压力的工程方法,计算结果为中国实验快堆(CEFR)主容器及堆内构件的应力分析提供了重要的载荷输入。     

矩阵变换器的SPWM控制技术及其实现

通过把矩阵变换器等效为虚拟的交 直 交变换器 ,将SPWM控制技术应用于其中 ,提出了矩阵变换器的SPWM控制策略。应用DSPTMS32 0C2 4 0对控制系统进行了设计 ,使该系统不仅满足了矩阵变换器对控制实时性的要求 ,性能良好 ,而且使系统的软、硬件电路的设计变得简单、灵活。样机试验结果验证了所提出的控制策略和系统设计方案的可行性