MMOct, 2020

Mini-DDSM: 基于乳腺 X 线照片的自动年龄估计

PDF
TL;DR本文旨在从哺乳动物图像中推导出基于人工智能的模型，以此来测试年龄估计能力。通过使用网络爬虫来自 DDMS 数据库自动下载缩略图像和对应的年龄指标，提取深度学习特征，使用随机森林回归自动估计年龄。最终成功通过逻辑和线性回归模型的运行，以及推导出免费使用的迷你 - ddsm 数据集来验证这一方法的优越性。
发现论文，激发创造
  • 使用机器学习自动化乳腺 X 光摄影图像分析

    本文提出了一种计算机辅助自动乳房 X 线摄影分析系统，其中包含三个连续的图像处理、特征选择和图像分类阶段，可以有效分类正常或癌症，实验证明该系统可以提高分类性能。

    Dec, 2020

  • 基于深度学习集成的表观年龄估计

    本文介绍了一种多标签人脸表观年龄估计的深度学习方法，通过组合多个卷积神经网络模型来降低估计误差。

    Jun, 2016

  • 利用回归模型和 MRI 特征实现强韧的脑龄预测

    本文介绍了一种使用机器学习模型和开放的健康大脑数据集（OpenBHB dataset）的新的脑龄评估框架，该框架整合了三种不同的 MRI 衍生区域特征和不同的回归模型，可高度精确地评估脑龄，对于认识神经学疾病和与年龄相关的大脑变化具有重要意义。

    Jun, 2023

  • 人工智能模型乳腺 X 线筛查的性能差距 -- 迈向公平和可解释的模型

    通过分析筛选乳腺 X 线检查中失败的人群，使用深度学习模型识别正常和异常组织贴片，并评估人口子组的分类偏差，得出哪些影像特征是深度学习模型性能较差的原因。

    May, 2023

  • 基于机器学习的生物衰老估计技术：调查

    本研究主要评估基于血液生物标志物、面部图像和神经影像结构特征的三种生物年龄预测方法，并发现血液生物标志物法最为简便、直接且准确。面部图像法在受种族、环境等多方面影响下，预测准确度有所欠缺，不能为医疗领域做出太大的贡献。总的来说，我们在大数据时代寻找前进的道路，并展示了利用当今可用的大量数据的方法。

    Jun, 2022

  • 利用大型胸部 X 光数据集进行年龄预测

    本文应用深度学习技术，以胸部 X 光片为数据集，采用回归模型对人的年龄进行预测，并探索了激活图以识别影响预测的重要区域，发现在正确预测的 X 光片中，在锁骨、肩膀、脊柱和纵膈部等部位最活跃，在异常预测的 X 光片中则可能出现疾病模式，可以用于评估患者健康状况与其年龄预期平均值之间的差距。

    Mar, 2019

  • MammoDL：使用联邦学习的乳腺 X 线密度估计

    MammoDL 是一种开源软件工具，采用 U-Net 架构来准确估计乳腺密度和复杂性，通过 Open Federated Learning 在多个机构的数据集上实现了安全训练，与其他模型相比，该模型更轻便、更灵活，因为联邦学习使其在更大、更具代表性的数据集上训练，从而提高了泛化能力。

    Jun, 2022

  • 通过年龄后验比较量化面部年龄

    介绍了一种新方法来标注大量的野外人脸图像，将高质量的后验年龄分布作为标签；通过人在循环比较，可以将可靠的注释从一个已知年龄样本的参考数据库转移到另一个标签数据集，并通过全连接和 SoftMax 层有效地将比较转换为后验概率分布，从而训练一种同时执行序数超平面分类和后验分布学习的网络，并达到了基准测试的最新成果。

    Aug, 2017

  • 使用分治策略和轻量级卷积神经网络进行手骨年龄预测

    通过使用深度神经网络模型对手部放射线的小区域进行预处理和估计骨龄，提高了定骨年龄估算的准确性，而不增加所需计算资源，测试集平均绝对误差为 3.90 个月（0-20 岁范围内）和 3.84 个月（1-18 岁范围内）。

    May, 2024

  • 使用深度学习和胸部 CT 放射学特征进行自动化 5 年死亡率预测

    通过胸部计算机断层扫描和分割多种解剖结构的地图，提出使用分类器预测老年人 5 年死亡率的新方法。所提出的模型可在预防和个性化医疗方面产生深远影响。

    Jul, 2016