Dev7z的博客

肺癌是当前威胁人类健康的重要疾病之一，肺结节作为肺癌早期筛查和诊断的重要影像学表现，其准确检测具有重要意义。CT影像因具有较高的空间分辨率，被广泛应用于肺部疾病检查。然而，传统人工阅片方式存在工作量大、主观性强、检测效率受限等问题，尤其在海量切片数据中，医生容易出现漏检和误判。因此，研究一种高效、准确的肺部CT结节智能检测方法与系统，对于辅助医生诊断、提升早期筛查效率具有重要的理论价值和实际意义。

低质量图像会直接影响图像的视觉效果与后续信息提取效果，因此开展图像增强技术研究具有一定的理论意义和应用价值。针对传统增强方法在复杂场景下适应性不足、细节恢复能力有限等问题，本文选择基于深度学习的低照度图像增强方法作为主要研究对象，并对相关增强技术进行了系统分析。

口腔疾病是影响人群健康水平和生活质量的常见疾病类型之一，龋齿、牙龈炎、牙结石、口腔溃疡以及牙齿变色等问题在临床中较为常见。部分口腔疾病在早期症状不够明显，若不能及时发现和干预，可能进一步引发疼痛、咀嚼功能下降、口腔感染甚至影响整体健康。传统口腔疾病诊断主要依赖医生结合临床检查和图像观察进行人工判断，不仅对专业经验依赖较强，而且在大规模筛查和基层辅助诊断场景下效率有限。因此，研究并设计一种基于深度学习的口腔疾病图像辅助分类识别系统，对于提高口腔疾病初步筛查效率、辅助医生诊断以及推动智能医疗技术在口腔健康领域的

随着风电装机规模的不断扩大，风电功率预测精度对电网调度、安全运行以及风能高效利用具有重要意义。由于风电功率具有较强 的随机性、波动性和非线性特征，传统预测方法难以满足实际需求。为提高风电功率预测精度，本文围绕风电功率中期预测问题， 开展了基于粒子群算法优化 BP 神经网络的预测方法研究。

随着风电装机容量的不断增加，风电功率预测在电力系统调度运行、新能源消纳以及电网安全稳定控制中发挥着重要作用。由于风电输出受风速、风向、温度、气压、湿度等多种因素共同影响，具有较强的随机性、波动性和非线性特征，传统预测方法难以获得较高精度。因此，研究高效且准确的风电功率预测方法具有重要的理论意义和工程应用价值。

随着智能家居与计算机视觉技术的不断发展，家庭环境中的消防安全监测逐渐成为研究热点。传统火灾报警方式大多依赖温度传感器、烟雾传感器等硬件设备，存在响应范围有限、误报率较高以及缺乏可视化信息等问题。针对上述不足，本文设计并实现了一种基于YOLOv8的家居场景火焰烟雾检测系统，通过目标检测技术对图像、视频及摄像头画面中的火焰和烟雾目标进行实时识别，以提升家庭场景下火灾隐患预警的智能化水平。

糖尿病视网膜病变是糖尿病常见且严重的微血管并发症之一，也是导致成年人视力下降甚至失明的重要原因。由于该病在早期往往缺乏明显症状，若不能及时筛查和干预，容易造成不可逆的视觉损伤。传统眼底图像判读主要依赖专业医生人工完成，不仅工作量大，而且对临床经验具有较强依赖性。因此，研究并设计一种基于深度学习的糖尿病眼底图像分类识别系统，对于提高眼底病变筛查效率、辅助临床诊断以及推动智能医疗技术应用具有重要的现实意义。

本文针对海量新闻文本场景下信息过载、人工摘要效率低以及用户难以快速获取核心内容等问题，设计并实现了一套基于 LSTM 的新闻文本摘要系统。系统以新闻标题与新闻正文为输入，围绕“文本预处理—模型训练—摘要生成—结果展示”构建完整流程，旨在 提升新闻信息的提炼效率与系统展示性，为新闻内容智能处理提供可实现的工程方案。

本文针对温度时间序列预测，设计并实现了一套基于注意力机制与LSTM相结合的温度预测系统。通过构建Attn-LSTM模型，并基于Flask搭建可视化平台，实现了数据分析、模型训练、结果评估与预测展示等功能，为温度预测提供了一体化的建模与应用方案。

本研究提出了一种基于Swin Transformer的心电图图像分类与诊断系统，通过特征提取提升了房性传导阻滞、新冠病毒、心肌损伤、心肌梗死和心脏正常的分类精度，为心脏疾病的早期诊断提供支持。

随着健身和康复训练需求的日益增长，传统的人工指导方式存在成本高、效率低、难以实时反馈等问题。为解决这些问题，本文设计并实现了一种面向健身与康复训练的基于深度学习的人体姿态检测与动作纠正系统。

扶梯安全事故频发，传统人工监控效率低、响应慢。本系统基于YOLOv11n深度学习模型，覆盖逆行、摔倒、攀爬扶手等10种危险行为，实现扶梯危险行为的自动实时检测与三级风险智能预警。