期刊
  出版年
  关键词
结果中检索 Open Search
Please wait a minute...
选择: 显示/隐藏图片
1. 使用深度学习和不同频率维度的脑功能性连接对轻微认知障碍的诊断
孔伶旭, 吴海锋, 曾玉, 陆小玲
计算机应用    2021, 41 (2): 590-597.   DOI: 10.11772/j.issn.1001-9081.2020060897
摘要341)      PDF (1848KB)(343)    收藏
准确诊断轻微认知障碍(MCI)对于阿尔兹海默症(AD)的预防和治疗十分关键,目前常使用深度学习和静息态功能核磁共振成像(rs-fMRI)对MCI进行辅助诊断。皮尔逊(Pearson)相关法和加窗的皮尔逊(WP)相关法能在时间维度上表示脑功能性连接(FC),但不能将不同频率维度上的信息进行分解表示。针对这一问题,提出将不同频率维度的FC系数作为现有深度学习的特征输入的方法,以提高MCI分类准确率。首先将被试的数据进行拼接后进行多通道经验模态分解(MEMD),然后通过切割求得不同频率维度上的FC系数,最后使用VGG16和长短期记忆(LSTM)网络进行测试。实验结果表明,使用所提出的FC系数时,MCI的分类准确率最高可达84.33%,相较使用传统FC系数时的准确率提高了18.33~21.00个百分点;而且不同频率维度的FC系数对MCI有着不同的分辨率。
参考文献 | 相关文章 | 多维度评价
2. 工业噪声环境下多麦状态空间模型语音增强算法
吴庆贺, 吴海锋, 沈勇, 曾玉
计算机应用    2020, 40 (5): 1476-1482.   DOI: 10.11772/j.issn.1001-9081.2019081514
摘要423)      PDF (1567KB)(262)    收藏

在协同作业的工业环境中进行语音通信时,语音往往会淹没于工业噪声中,致使语音通信的有效性受到影响。针对这种工业噪声下的语音环境,提出了一种采用多麦克风的卡尔曼语音增强算法。该算法简化了状态空间模型(SSM)中的差分方程以降低复杂度,每个采样点实时得到去噪信号从而增强了实时性。另外,为了进一步简化复杂度,还利用最小二乘原则来对语音进行增强。实验中采用了公开数据库的语音信号和工厂噪声信号来模拟多麦下的带噪语音,将所提算法与传统算法进行了对比。实验结果表明,所提算法的输出语噪比(增强后的语音与残留噪声之比)优于传统算法约2 dB,而运行时间仅不到传统算法的2%,且延迟时间仅是毫秒级。

参考文献 | 相关文章 | 多维度评价