Dec, 2023

难以置信的进步：为阿尔茨海默病患者的手写合成生成准备的空中运动

PDF
TL;DR利用深度学习分析和识别手写字在医疗领域中的早期检测与诊断应用，通过引导式数据合成生成有利于深度学习模型训练的逼真数据，结合阿尔茨海默病的领域知识，探索了利用空中运动进行合成数据生成。
发现论文，激发创造
  • 通过对数正态特征分析机器学习方法研究阿尔茨海默病对书写的影响

    通过 Sigma-lognormal 模型提取的手写特征，应用于机器学习，旨在开发一个支持系统来帮助医生诊断和研究阿尔茨海默病，并评估提取特征的有效性以及它们之间的关系。

    May, 2024

  • 使用生成对抗网络进行笔迹特征分析

    使用改进的 DCGAN 架构和强化学习技术，本文提出一种智能系统，旨在学习实体的手写字体，可以用于鉴别伪造文件、签名验证、计算机生成艺术和文件数字化等领域。初步实现结果表明，该算法在 MNIST 数据集上表现优异。

    Nov, 2016

  • 词义和音韵对阿尔茨海默症患者手写的影响：基于机器学习的分析

    利用手写的运动学特性来支持神经退行性疾病的诊断是一个真正的挑战：非侵入性检测技术与机器学习方法的结合为该研究领域带来了巨大的进展。本文探讨了词语语义和音韵对患有阿尔茨海默病的人的手写的影响，通过实验结果证明通过特征选择可以为每种词类型提取出不同的高度特征，非规则的词需要更多特征但实现了出色的分类性能，非规则词达到了近 90% 的准确率。

    Jul, 2023

  • 量子人工智能用于阿尔茨海默病早期筛查

    量子机器学习能够在健康领域中进行高效解决大数据集问题，此研究将其应用于阿尔茨海默病的诊断，并发现量子和经典算法在分类任务中表现相似，甚至有时量子方法表现更好，为将来在早期筛查诊断方面开发新的量子机器学习应用铺平了道路。

    May, 2024

  • 量子机器学习在认知领域中的应用：阿尔茨海默病研究

    使用量子计算技术和人工智能方法，对老年人的手写数据进行早期阿尔茨海默病诊断，取得了 0.75 的准确率。

    Sep, 2023

  • 生成文本识别的合成数据

    本研究使用开源字体和数据增广技术生成 900 万份手写词图像，可用于训练深度神经网络并提高手写词识别的性能。

    Aug, 2016

  • 关于深度学习技术及其在手写识别中的应用范围的综述

    深度学习在手写识别领域的现有研究成果进行了调查，尽管深度学习方法在加快速度和提供准确结果方面取得了显著进展，但根据文献综述，目前的研究发现深度学习仍需解决许多挑战，尤其是在数据标注方面存在问题。然而，手写识别研究预见到深度学习将在图像处理、语音识别、计算机视觉、机器翻译、机器人技术与控制、医学影像领域、医学信息处理、生物信息学、自然语言处理、网络安全等多个领域中带来变革。

    Apr, 2024

  • 帕金森病检测的动态增强静态手写表示

    这篇论文研究了使用动态增强的静态手写图像来诊断帕金森病，通过同时利用手写的静态和动态属性，提出了一种嵌入动态信息的静态表示方法，通过在同一数据集上与现有方法进行了公平比较，证明了动态增强的静态手写图像能够胜过独立使用静态和动态手写的结果，从而实现了非侵入性、低成本的计算机辅助诊断系统来支持临床医生的诊断和监测神经退行性疾病，特别是帕金森病的评估。

    May, 2024

  • 合成手写的时态演变

    通过简化文本轨迹计划和手写动态，本文提出了一种将时间演变纳入手写合成器的新方法，采用了快速人体运动的运动学理论和神经运动启发的手写合成器进行实现，并通过与真实样本的定量和主观比较评估了所提方法的真实性。

    Jan, 2024

  • 用于发展基于人工智能的帕金森氏症语音评估的合成数据生成技术（一项比较研究）

    通过深度学习生成技术，本论文探讨了对于核心 AI 系统而言机器学习分类器的准确性的影响，以进一步提高通过声音识别帕金森病的 AI 系统性能。

    Dec, 2023