-
公开(公告)号:CN116029367A
公开(公告)日:2023-04-28
申请号:CN202211673158.6
申请日:2022-12-26
Applicant: 东北林业大学
Abstract: 一种基于个性化联邦学习的故障诊断模型优化方法,本发明涉及航空发动机振动信号故障诊断技术中,数据不充分导致的数据孤岛问题以及传统联邦学习缺乏个性化解决方案的问题。联邦学习通过服务器聚合各客户端训练的本地模型,平均后再下发至各客户端,在航空航天领域故障诊断方面有广阔的发展前景。然而联邦学习在高度异构的数据上收敛效果差,且下发至各客户端的全局模型缺乏个性化,导致振动故障诊断的效果不理想。为改善这一问题,本发明提出了一种基于知识蒸馏的个性化联邦学习方法。实验表明,该方法能够有效的解决各客户端数据异构导致模型收敛性差的问题,为各客户端训练独特的个性化模型。本发明应用于客户端数据异构情况下的故障诊断。
-
公开(公告)号:CN115984193A
公开(公告)日:2023-04-18
申请号:CN202211614599.9
申请日:2022-12-15
Applicant: 东北林业大学
IPC: G06T7/00 , G06T7/11 , G06T7/136 , G06V10/26 , G06V10/762 , G06V10/764 , G06V10/766 , G06V10/80 , G06V10/82 , G06V10/25
Abstract: 融合组织病理图像和CT影像的PDL1表达水平检测方法,本发明涉及PDL1表达水平检测中,对单一特征进行预测效果不佳的问题。PDL1表达水平对患者治疗方法的选取有着至关重要的作用。然而免疫组织化学(IHC)检测不仅耗时,而且不能反映动态PD‑L1表达,同时手工提取放射特征也存在着一些问题:对ROI进行分割时,往往存在视觉差异不明显现象,其不仅耗时而且对不同勾画者的可变性极其敏感。为了解决以上问题,本发明提出了一种融合组织病理图像和CT影像的PDL1表达水平检测方法,该方法能有效地本发明应用于PDL1表达水平检测。
-