Aug, 2023

基于深度 Maxout 网络特征融合与政治切线搜索优化的转移学习用于地中海贫血检测

PDF
TL;DR用于地中海贫血检测的政治切线搜索优化器基于迁移学习 (PTSO_TL) 在正常化数据、特征融合、数据增强和训练调优等阶段的整合应用中，达到了约 94.3%、96.1% 和 95.2% 的最大精度、召回率和 F 值。
thalassemiagenetic defectfrequencycontroltreatment planning
发现论文，激发创造
  • 基于视觉变换器的 PET/CT 图像淋巴瘤分割的多模态特征融合网络

    本研究旨在发展一种准确的淋巴瘤分割方法，采用 18F - 氟脱氧葡萄糖正电子发射断层扫描和计算机断层扫描图像结合视觉转换器和双编码器进行淋巴瘤分割，这在计算辅助淋巴瘤诊断和治疗方面具有巨大潜力。

    Feb, 2024

  • 使用神经网络在 T2 MRI 中进行通用淋巴结检测

    本文提出了一种计算机辅助检测（CAD）管道，使用神经网络普适性地在容积 T2 MRI 中识别腹部淋巴结（LN），其灵敏度比目前 SOTA 方法高 14 个百分点（4FP 时的 78.7％对比每卷 5 FP 的 64.6％）；VFNet 模型表现优异，能够在 CAD 管道中与单阶段模型集成使用。

    Mar, 2022

  • HTPS: 健康数据异构传输预测系统

    本文提出的 Heterogeneous Transferring Prediction System（HTPS）采用特征工程机制将医疗数据转化成稀疏和密集特征矩阵，并应用自编码器网络实现特征嵌入和来自异构数据集的知识移植，能在各种预测任务和数据集上优于基准系统，实验结果显示异构数据对系统的负面影响以及 HTPS 的高可转移性。

    May, 2023

  • HFN: 多元时间序列异常检测的异构特征网络

    提出了一种基于异构特征网络（HFN）的半监督异常检测框架，利用大量无标签的时间序列数据学习异构结构信息，使用注意力系数对检测到的异常进行说明，并在真实世界应用的四个传感器数据集上进行实验证明，其检测精度优于现有的基线方法。

    Nov, 2022

  • 基于可变形 DETR 和多层特征融合的准确白细胞检测辅助血液疾病诊断

    通过多级特征融合和可形变自注意的 MFDS-DETR 方法，解决了传统的白细胞检测方法在时间 - consuming、劳力 - intensive 和容易产生错误方面的问题，实现了准确的全球特征提取和高级筛选功能。

    Jan, 2024

  • 一种用于阿尔茨海默病诊断的新型特征图增强技术，融合了残差卷积神经网络和 Transformer

    通过使用深度学习技术的 CAD 系统，基于新型的 FME-Residual-HSCMT 技术，该研究针对阿尔茨海默病（AD）的特征进行了分析，融合了残差 CNN 和 Transformer 的概念，通过多种方式学习了 AD 的形态、对比度和纹理变化，实现了高准确率的 AD 检测。

    Mar, 2024

  • 一种弱监督分段网络嵌入了跨尺度注意引导和对胰腺肿瘤的噪声敏感约束用于检测胰腺肿瘤的第三淋巴结结构

    通过提出一种弱监督分割网络，本研究旨在通过少样本学习的方式检测胰腺病理图像上的淋巴结密度结构（TLSs），并在两个收集的数据集上的实验结果表明，该方法在 TLSs 检测准确性方面显著优于最先进的基于分割的算法。

    Jul, 2023

  • TransONet: 使用深度学习自动分割计算机断层扫描血管造影中的血管

    通过提出基于深度学习模型的方法，可以高效且准确地分割 CTA 图像中与周围动脉疾病（PAD）手术相关的下行主动脉至髂分叉和下行主动脉至膝盖部分，为医学专业人员分析血管系统健康提供了有价值的工具。

    Nov, 2023

  • 邻域感知最优传输学习在低资源仇恨言论检测中的应用

    提出了一种新的训练策略，利用基于邻域的框架和 Optimal Transport，以改善对低资源仇恨言论语料库的系统性能，实现相对距离建模的灵活性。

    Oct, 2022

  • 基于深度学习的全骨髓和淋巴结照射计划目标体积自动分割

    该研究介绍了将深度学习应用于放射治疗中的高级治疗：全骨髓和淋巴结照射（TMLI）中，通过 nnU-Net 框架发展了 2D 和 3D U-Net 模型，对 PTV 进行分割，实现了显著的改善。

    Feb, 2024