Jun, 2023

基于深度去噪自编码器的非侵入式动脉 - 静脉瘘血流检测

PDF
TL;DR该论文提出了一种基于深度降噪自编码器并利用表示学习的方法，来提取血管皮瘘病患者的听诊特征，该方法适用性更广和更具有普适性。
arteriovenous fistulaphono-angiographydeep denoising autoencodersdimensionality reductionrepresentation learning
发现论文，激发创造
  • 自主深度学习：基于去噪自编码器的增量式学习，处理流动数据

    该论文提出了一种可以在数据流分析中自适应构建去噪自编码器 DEVDAN，并以单次学习为基础的方法，通过网络重要性估计来自动添加或修剪输入特征，从而提高分类精度并适应不断变化的环境。

    Sep, 2018

  • VAE-IF: 无监督获取常规获得的 ICU 时间序列中的深度特征提取和平均的异常检测

    无需任何标签或信号特定知识，我们提出了一种新颖的无监督方法来检测临床标准分钟级分辨率 ICU 数据中的伪迹，该方法结合了变分自动编码器（VAE）和孤立森林（iForest）模型来学习特征并识别不同类型的生命体征异常，例如血压、心率和颅内压。我们在实际 ICU 数据集上评估了我们的方法，并将其与基于长期短期记忆（LSTM）和 XGBoost 的监督模型进行了比较。我们证明了我们的方法实现了可比较的敏感性，并且在外部数据集上具有很好的泛化能力。我们还可视化了 VAE 学习到的潜在空间，并展示了它区分干净和噪声样本的能力。我们的方法为清洁临床研究和实践中的 ICU 数据提供了有希望的解决方案。

    Dec, 2023

  • 心跳异常检测的自动特征提取

    使用自动编码器从原始心跳音频中提取特征，探究在医疗保健中的异常检测应用。通过 1D 非因果卷积编码器和 WaveNet 解码器组成的自编码器进行特征学习，采用基于变分推理的修改目标及最大平均偏差（MMD）。此外，使用高斯链图模型对潜在分布进行建模以捕捉编码信号的时间相关性。在无监督方式下对自动编码器进行重新构建任务的训练后，通过训练 SVM 来预测异常，并在 PASCAL 分类心脏声音挑战提出的问题上进行评估，与文献中的结果进行比较。

    Feb, 2021

  • 基于表示学习的去噪填充自编码器实现可解释的反应堆系统诊断

    本文提出了一种基于深度学习理论的诊断过程，该过程确保了对于嘈杂和损坏的数据的鲁棒性和可解释性，并采用新型的去噪填充自编码器（DPAE）进行了表示提取，以及浅层统计学习算法进行了后续的表示提取和异常诊断分类和回归，最后通过 SHAP 和特征消融等方法分层解释算法，为高安全要求的反应堆异常诊断系统的构建提供了可靠的参考方法。

    Aug, 2022

  • 数字减影血管造影中动静脉畸形的时空解缠

    通过使用两种学习模型：基于独立成分分析的无监督机器学习方法和基于卷积神经网络的自动细分图像空间中的血管，提出的方法在 DSA 影像序列中通过突出关键信息进行自动分类血管来增强 DSA 图像序列，通过高效区分动脉和静脉为临床使用的可行解决方案。

    Feb, 2024

  • ViT-DAE：基于 Transformer 的扩散自编码器用于组织病理学图像分析

    本文介绍了一种基于 ViT 深度学习模型和 Denoising Diffusion 自编码器的新型方法 ViT-DAE，用于高质量的组织病理学图像合成，实验表明 ViT-DAE 比最近的基于 GAN 和原始 DAE 方法更能生成逼真的图像。

    Apr, 2023

  • 临床记录患者表征学习及其可解释性评估

    该研究通过分别使用堆叠去噪自编码器和段落向量模型来学习临床记录中与任务独立的密集患者表示。进而比较疾病分类等监督学习任务中，密集表示相较于传统的词袋模型的表现以及从医学概念中提取特征的表现。结果表明，密集表示在处理少量数据和缺少强语义信息的任务时有优势。最后，提出的新技术有助于强化模型可解释性。

    Jul, 2018

  • 可解释的深层模型用于心脏再同步治疗反应预测

    在医学图像分类中使用变分自编码器框架来提高深度模型的可解释性，通过分离潜在空间并从现有的临床知识中提取 ' 解释 ' 来实现预测和解释输出，进一步通过预测心肌病患者心脏重同步治疗反应来展示模型的潜力。

    Jun, 2020

  • 基于自编码器潜变量分析的脑部细微异常检测：对新发帕金森患者的应用

    利用无监督学习中的基于 Patch 的自编码器，设计出两个用于检测潜在异常信息的检测标准，与两个监督式学习的方法相比较，这两个标准在难度较大的 PD 分类任务上的表现更佳。

    Feb, 2023

  • 深血管造影：简化视网膜血管分割

    本文提出了一种对比变分自编码器，可以过滤掉无关特征并合成一个名为深层血管造影的潜在图像来代表视网膜血管，并且通过简单阈值处理实现了更高的分割性能。这种合成网络的普适性得到了提高，可以在不同的目标领域生成稳定的血管造影，提供了一种良好的可视化方法，是荧光素血管造影的一个无创、安全的替代方法。

    Jul, 2023