检索结果-内蒙古大学图书馆

您好，读者！请登录

内蒙古大学图书馆

首页
概况
党建
资源
服务
科研支持
- 论文收录引用证明
- 科技查新
知识产权
档案馆
帮助

咨询与建议

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

您的常用邮箱：*

您的手机号码：*

问题描述：

当前已输入0个字，您还可以输入200个字

全部搜索
期刊论文
图书
学位论文
标准
纸本馆藏
外文资源发现
数据库导航
超星发现

高级检索

时间限定

出版年份：

文献类型

图书期刊文献学位论文多媒体

馆藏选择

电子馆藏纸本馆藏

核心期刊

全部期刊 SCI 收录期刊 SSCI 收录期刊 EI 收录期刊 CSCD 收录期刊 CSSCI 收录期刊

语言

中文英文

文献类型

期刊文献图书学位论文标准纸本馆藏

帮助

文字说明：

T=题名（书名、题名），A=作者（责任者），K=主题词，P=出版物名称，PU=出版社名称，O=机构（作者单位、学位授予单位、专利申请人），L=中图分类号，C=学科分类号，U=全部字段，Y=年（出版发行年、学位年度、标准发布年）

检索规则说明：

AND代表“并且”；OR代表“或者”；NOT代表“不包含”；(注意必须大写,运算符两边需空一格)

检索范例：

范例一：(K=图书馆学 OR K=情报学) AND A=范并思 AND Y=1982-2016
范例二：P=计算机应用与软件 AND (U=C++ OR U=Basic) NOT K=Visual AND Y=2011-2016

分类表

所选分类

>> <<

限定检索结果

文献类型

27 篇 期刊文献
17 篇 学位论文
1 篇 会议

馆藏范围

45 篇 电子文献
0 种 纸本馆藏

日期分布

学科分类号

33 篇 工学
- 17 篇 计算机科学与技术...
- 16 篇 软件工程
- 12 篇 机械工程
- 10 篇 控制科学与工程
- 5 篇 生物医学工程（可授...
- 2 篇 交通运输工程
- 2 篇 生物工程
- 1 篇 光学工程
- 1 篇 仪器科学与技术
14 篇 医学
- 12 篇 临床医学
- 3 篇 医学技术（可授医学...
- 1 篇 公共卫生与预防医...
- 1 篇 药学(可授医学、理...
9 篇 理学
- 6 篇 系统科学
- 1 篇 数学
- 1 篇 天文学
- 1 篇 大气科学
- 1 篇 生物学
- 1 篇 统计学（可授理学、...
9 篇 管理学
- 8 篇 管理科学与工程(可...
- 1 篇 公共管理
2 篇 文学
- 2 篇 新闻传播学
1 篇 经济学
- 1 篇 应用经济学

主题

45 篇 多模态模型
6 篇 深度学习
3 篇 机器学习
2 篇 多维信息
2 篇 提示学习
2 篇 淋巴结转移
2 篇 特定目标
2 篇 数据融合
2 篇 磁共振成像
2 篇 人工智能算法
2 篇 多源数据
2 篇 大语言模型
2 篇 对抗样本攻击
2 篇 armax模型
2 篇 数据价值
2 篇 非线性系统
2 篇 视频语义描述模型
2 篇 智能识别
2 篇 双流网络
2 篇 时序建模

机构

3 篇 北京邮电大学
2 篇 大连理工大学
2 篇 太原师范学院
2 篇 南方医科大学
2 篇 杭州电子科技大学
2 篇 大连民族大学
2 篇 华东理工大学
1 篇 成都医学院
1 篇 华中科技大学
1 篇 中央民族大学
1 篇 北京交通大学
1 篇 铭传大学
1 篇 中国科学院沈阳自...
1 篇 上海交通大学医学...
1 篇 成功大学
1 篇 福建医科大学
1 篇 江苏大学
1 篇 同济大学
1 篇 长庚大学
1 篇 上海华东理工大学

作者

2 篇 邱江兴
2 篇 张建新
2 篇 蒋慰孙
2 篇 藤井省三
2 篇 zhang jian-xin
2 篇 张冰冰
2 篇 zhang bing-bing
1 篇 谢昀臻
1 篇 陈培源
1 篇 阿依加马力·克然木...
1 篇 王成
1 篇 wang xueqing
1 篇 刘豪
1 篇 李晶晶
1 篇 lyu ya-long
1 篇 陈光
1 篇 林家骏
1 篇 sun xiao-liang
1 篇 qiu jiangxing
1 篇 李晓东

语言

45 篇 中文

检索条件"主题词=多模态模型"

共 45 条记录，以下是31-40 订阅

全选清除本页清除全部题录导出标记到"检索档案"

详细简洁

排序：

多模态文档结构化信息抽取算法的研究

多模态文档结构化信息抽取算法的研究

引用

作者：侯朝晖北京邮电大学

学位级别：硕士

将纸质文档中的结构化信息进行自动提取是当前人工智能领域的热点研究任务之一。当前的方法往往较多依赖人工编写的规则,效率低下。由于纸质文件仍会在相当长的一段时间与数字文件共存,文件内容的自动化提取在目前有着急切的需求。本文... 详细信息

将纸质文档中的结构化信息进行自动提取是当前人工智能领域的热点研究任务之一。当前的方法往往较多依赖人工编写的规则,效率低下。由于纸质文件仍会在相当长的一段时间与数字文件共存,文件内容的自动化提取在目前有着急切的需求。本文设计了一套基于神经网络的文档结构化信息抽取系统,可以有效减轻繁杂的文件登记压力。论文中取得的主要成果有:1.设计并实现了一种基于空间位置获取阅读顺序(ROBS)的多模态处理模型,模型使用空间位置代替原有的阅读顺序,融合了文本语义信息、文本结构信息以及图像信息。实验结果表明,本文所提出的模型有效提升了文档结构化信息提取的性能;2.将基于编码器模型的架构进行拓展,提出了基于生成模型的结构,该结构可以直接生成答案,提升了模型的端到端水平,并具有一定程度上的纠错能力。相较于传统模型,本文的模型在复杂版面分析中具有着十分优越的性能;3.对模型进行了一系列的工程优化。针对传统自然语言处理模型难以处理长文本、多模型难以进行特征融合等缺陷提出了相应的解决方案;通过优化生成模型生成逻辑、提出共享编码器结构,提升了模型推理速度。针对实际应用中可能遇到的文档文字错版、文本识别错误等问题设计了错误数据生成方法,制作了对应的数据集,验证了本文的模型结构对于复杂版面与文本识别错误的鲁棒性;4.设计了一套易于一般人员使用的文档结构化信息提取平台,使用者无需掌握专业知识,只需收集需要处理的版面,并对其中感兴趣的字段进行标注,即可定制专属的模型。平台支持数据集管理、模型训练与模型导出等操作,具有较强的用户友好性。

关键词：文档信息提取自然语言处理多模态模型结构化文本序列标注

来源：评论

学校读者我要写书评

暂无评论

基于句粒度级多模态数据的抑郁症识别研究及应用

基于句粒度级多模态数据的抑郁症识别研究及应用

引用

作者：王烽飞太原师范学院

学位级别：硕士

抑郁症已经成为全世界亚健康群体的首要心理疾病,在COVID-19大流行期间全球抑郁症患者数量显著增加,中国的泛抑郁症患者人数已经超过了9500万,但当前我国精神科执业注册医生数量仅有6.4万,医患比例严重失调。此外,抑郁症现阶段的主要诊... 详细信息

抑郁症已经成为全世界亚健康群体的首要心理疾病,在COVID-19大流行期间全球抑郁症患者数量显著增加,中国的泛抑郁症患者人数已经超过了9500万,但当前我国精神科执业注册医生数量仅有6.4万,医患比例严重失调。此外,抑郁症现阶段的主要诊断方式仍依赖于医生结合量表对患者进行面对面访谈评估,这种传统的方法效率较低且诊断结果受医生主观判定的影响较大。因此,利用人工智能技术辅助医生在抑郁症的筛查与识别中缩短诊断时间、提高准确性具有重要意义。本文基于深度学习技术,对利用多模态特征数据进行抑郁症识别的方法进行了研究,具体内容如下: 针对现有公开的中文多模态抑郁症数据集较少、模型在中文语境的泛化能力差的问题,本研究构建了中文多模态抑郁症数据库MMD2022。该数据库目前共收集了358例多模态数据,在进行数据预处理后得到的可用数据共计310例,并分别使用了Open SMILE、BERT和Open Face工具对可用数据进行了音频、文本和视觉特征提取,得到不同模态的特征数据。其次本文又从性别和年龄两方面对数据库中的数据进行了统计分析,对今后不同人群的抑郁症研究有所帮助。对于现有多模态抑郁症识别模型存在的诸如语句间关联性弱、不同模态特征融合不足等问题,本研究使用深度学习技术,基于时序卷积网络(TCN)提出了一种新的多模态抑郁症识别模型STCMN。该模型首先使用残差块、GRU和Self-Attention的融合模块来提取不同模态下的句粒度级特征,强化了上下文之间的联系。然后使用了TCN模型来提取不同模态的全局特征,并通过交叉注意力(Cross Attention)机制,以多模态融合特征为核心对不同模态的全局特征进行融合,解决了不同模态特征融合不足问题。在DAIC-WOZ公开数据集上改进后的模型与TCN模型相比F1值、特异性、精确率、召回率和准确率分别提高了0.13、0.13、0.2、0.05和0.11。此外,在私有中文数据库MMD2022上各项指标也分别提高了0.06、0.08、0.07、0.04和0.08。实验结果表明STCMN模型的识别能力更强,且在中文语境下具有更好的泛化能力。基于多模态特征提取算法和本文所提出的STCMN模型,本研究开发了一个面向医生和患者的多模态抑郁症检测系统。该系统的临床应用可以有效改善我国医患比例失衡和抑郁症医疗资源匮乏的现状,提高诊断效率,减轻诊断压力,并能为抑郁症患者的后期诊疗提供有力的支持。

关键词：多模态模型深度学习抑郁症识别 TCN

来源：评论

学校读者我要写书评

暂无评论

基于深度学习的早期抑郁识别研究

基于深度学习的早期抑郁识别研究

引用

作者：刘豪太原师范学院

学位级别：硕士

抑郁症是一种常见的慢性严重性精神疾病,对人的思维、感觉和行为方式会产生较大的负面影响;中国国家卫生健康委员会于2020年9月11日发布了第一个抑郁症防治行动计划《探索抑郁症防治特色服务工作方案》,其中包括在全国范围内开展抑郁症... 详细信息

抑郁症是一种常见的慢性严重性精神疾病,对人的思维、感觉和行为方式会产生较大的负面影响;中国国家卫生健康委员会于2020年9月11日发布了第一个抑郁症防治行动计划《探索抑郁症防治特色服务工作方案》,其中包括在全国范围内开展抑郁症常规筛查。传统基于量表的筛查方法存在医患比较低和缺乏多指标诊断的限制;因此,本文对融合抑郁症多种行为指标的自动化诊断方法进行了研究,并提出了一种基于深度学习技术的多模态抑郁症识别方法。本文的主要研究工作和成果如下:(1)抑郁症领域的中文情感词典CEDD的构建:由于抑郁症领域的中文情感词典库过少,本文基于通用域词典和词语相似度计算,构建并扩展了中文抑郁症领域情感词典。首先通过网络爬虫获取抑郁症患者的评论语料,并基于抑郁症患者评论语料的语言多变性和情感极性丰富等特点,对其进行去噪处理和分词等处理;其次为过滤掉文本中的无用词,同时保留真正影响文本的词语,通过TF-IDF加权算法得到种子词集;最后为扩展领域情感词典,通过余弦相似度计算在知网和大连理工的通用域情感词典上做了扩展处理,得到CEDD。(2)基于网络社交文本的单模态抑郁倾向识别研究:基于通用域的文本分类方法缺乏领域概括能力,而中文的字和词都有各自的信息和特征。通过结合领域情感词典与中文的字词特征,一方面拥有更强的领域概括能力,另一方面能够更全地表征文本信息。将方法应用于BERT模型,得到BERT-W模型。实验结果表明,该模型在网络社交文本的抑郁倾向识别准确率上效果更好。(3)抑郁症领域的中文多模态数据集CMDD的构建:抑郁症患者的行为特征表现在多个模态方面,而目前可用的中文多模态抑郁症公开数据集较少,本文联合山西智能大数据产业技术创新研究院、绍兴迈亚塔菌检智能科技有限公司共同构建了抑郁症领域的中文多模态数据集CMDD;其次从性别、抑郁程度和HAMD-17的分值比例对数据集内容做了分析说明。(4)多模态特征融合的抑郁症识别方法研究:抑郁症患者的行为表现在语言内容、视觉和听觉等多种模态中,融合多指标的多模态识别模型能够更准确的筛查出抑郁症潜在对象。在方法(1)(2)(3)的基础上,多类特征首先通过Z-score Normalization方法进行融合;其次通过双向的LSTM层学习特征间关系,并利用注意力机制从众多特征中选择出对当前任务目标更关键的信息;最后通过Softmax归一化指数函数完成分类,该方法能够更客观准确的实现抑郁症筛查任务。基于所提的多模态抑郁症识别方法,一方面可以实现辅助筛查与诊断,减少诊疗流程,节约诊疗时间;其次,通过参考多种模态的行为特征,可以增强筛查结果的可靠性和准确性;最后,该方法应用成本较低,可移植性强,对解决医疗资源不平衡问题具有积极的推动作用。

关键词：抑郁症筛查深度学习 Bi-LSTM 注意力机制多模态模型

来源：评论

学校读者我要写书评

暂无评论

基于磁共振图像结合人工智能的膝关节骨性关节炎进展预测及图像信息解码

基于磁共振图像结合人工智能的膝关节骨性关节炎进展预测及图像信...

引用

作者：胡佳萍南方医科大学

学位级别：硕士

目的:基于磁共振图像构建膝关节骨性关节炎进展预测的深度学习(deep learning,DL)模型及图像信息解码的图卷积网络(graph convolutional network,GCN)模型。方法:研究对象来自美国国立卫生研究院基金会(Foundation for the National Ins... 详细信息

目的:基于磁共振图像构建膝关节骨性关节炎进展预测的深度学习(deep learning,DL)模型及图像信息解码的图卷积网络(graph convolutional network,GCN)模型。方法:研究对象来自美国国立卫生研究院基金会(Foundation for the National Institutes of Health,FNIH),分为膝骨性关节炎(knee osteoarthritis,KOA)进展组(n=194,结构及症状均进展)、不进展组(n=200,结构及症状均不进展)、仅症状进展组(n=103)、仅结构进展组(n=103)。基于进展组及不进展组建立DL模型(以下简称DeepKOA),分别以未分割的基线、12、24个月时的SAG-IW-TSE-FS、SAG-3D-DESS-WE及其重建图像、以及不同的序列组合作为输入,以观察对象的进展情况为标签,基于3D DenseNet169网络构建预测模型。对比临床变量模型及DeepKOA,并进一步结合两者构建多模态模型。为进一步解析图像信息,本研究基于进展组和对照组(不进展组、仅症状进展组、仅结构进展组)的 SAG-3D-DESS-WE 和 SAG-IW-TSE-FS 序列(以下简称 DESS、IW)训练骨、软骨、半月板、髌下脂肪垫亚区域分割模型,提取每个亚区域的放射组学特征以表征其功能和结构信息。以不同关节隔室为单位构建图形,其顶点/边表征构成关节隔室的亚区域之间的差异/关系,单向连接三个时间点的图形,构建时间-区域性图卷积网络(temporal-regional graph convolutional network,TRGCN),同时基于梯度的方法解码不同结构、关节隔室之间差异/关系的进展预测能力。比较TRGCN、组学、DL模型对多时间点、多亚区域图像信息的处理能力。构建临床资料、半定量评分模型进行比较,进一步将三者结合构建多模态TRGCN模型。模型性能由曲线下面积(Area under the curve,AUC)评估。结果:(1)SAG-IW-TSE-FS预测KOA进展的性能高于或等于其他单一和联合序列,三个时间点AUC分别为0.664、0.739、0.775。加入临床变量并不能提升DeepKOA性能,AUC分别为0.639、0.709、0.763。(2)基于不同关节隔室构建的 TRGCN AUC 为 0.701-0.798/0.725-0.787(IW/DESS)。输入所有亚区域(顶点),AUC可达0.798/0.787(IW/DESS),而组学及深度学习模型的性能为0.735/0.703(IW/DESS)、0.667/0.693(IW/DESS)。TRGCN 与临床资料结合的能力优于半定量评分,两者AUC值分别为0.837、0.721,多模态TRGCN模型的AUC达0.856。基于梯度的方法显示,无论是胫股关节还是髌股关节,进展早期,内侧隔室对模型预测决策的重要性占比高于外侧隔室,而后期低于外侧隔室。相比髌股关节,胫股关节对预测决策的重要性占比总是更高。髌股关节中股骨的软骨及软骨下骨占比更高而在胫股关节中低于胫骨的软骨及软骨下骨。在不同结构中,软骨总是占比最高。结论:我们的研究初步证明了 DeepKOA预测KOA进展的可行性,并得到预测最佳序列。运用TRGCN可以进一步解码MRI中对进展有贡献的时空结构信息。基于MRI结合人工智能预测KOA进展及解码图像信息,利于筛选KOA进展病例,并启示可能的相关病理机制。

关键词：膝关节骨性关节炎进展预测磁共振成像深度学习图神经网络多模态模型

来源：评论

学校读者我要写书评

暂无评论

面向CT影像的主动脉异常检测算法研究

面向CT影像的主动脉异常检测算法研究

引用

作者：武兴坤北京邮电大学

学位级别：硕士

近年来,主动脉缩窄逐渐成为新生儿生命健康的主要危害之一,其异常检测相关研究的重要性愈发凸显。目前该病临床诊断主要依靠医学成像技术,例如CT图像、超声心动图等,主要依赖于医生对医学图像的主观解读,容易受到各种因素的干扰,如疲劳... 详细信息

近年来,主动脉缩窄逐渐成为新生儿生命健康的主要危害之一,其异常检测相关研究的重要性愈发凸显。目前该病临床诊断主要依靠医学成像技术,例如CT图像、超声心动图等,主要依赖于医生对医学图像的主观解读,容易受到各种因素的干扰,如疲劳程度、经验多少、图像质量。利用人工智能的方法,基于心脏CT图像和超声心动图报告,研究一种客观、准确的主动脉缩窄异常检测算法,能够有效地提高诊断效率。现有基于人工智能技术的主动脉缩窄异常检测算法大都仅使用医学图像的某种单一特征,比如二维空间特征,并未对图像所包含的二维、三维空间特征以及图像序列之间的关联特征等多种特征加以利用,导致检测具有偶然性且准确性差。其次,从临床实际出发,主动脉缩窄的异常检测往往都会依靠心脏CT图像或超声心动图报告等数据,而现有基于人工智能技术的主动脉缩窄异常检测算法研究大都也仅依赖于单一模态数据,模型表达能力不够完备,造成检测可靠性差。针对以上不足,本文做了以下两点工作:(1)融合心脏CT图像所包含的多维空间特征和序列性特征,提出一种主动脉缩窄异常检测的双流网络模型。双流网络包括3DCoA模型和光流模型,其中3DCoA模型综合考虑心脏CT图像的二维和三维空间特征,光流模型主要考虑CT图像中的序列信息。该算法充分利用心脏CT图像中的各类特征信息,有效提高了主动脉缩窄异常检测的准确性。(2)融合心脏CT图像和超声心动图的生理指标数据,提出了一种主动脉缩窄异常检测的多模态模型。该模型优化了传统多模态策略,在传统损失函数上添加特征向量的相似度项,为每种模态模型的训练增加了其它模态数据的补充监督项,实现了不同模态数据的优势互补。相比于传统方法,能够缓解不同模态间的错误传递,有效提高了主动脉缩窄异常检测的可靠性。

关键词：心脏CT图像主动脉缩窄双流网络多模态模型

来源：评论

学校读者我要写书评

暂无评论

多模态磁共振成像在腮腺肿瘤的诊断应用价值研究

多模态磁共振成像在腮腺肿瘤的诊断应用价值研究

引用

作者：颜晓兰福建医科大学

学位级别：硕士

目的:探讨磁共振多模态模型在腮腺良恶性肿瘤的诊断及鉴别诊断的应用价值。方法:前瞻性分析50例经我院术后病理证实腮腺肿瘤的患者,其中良性肿瘤38例、恶性肿瘤12例,术前均采用GE 3.0T超导型磁共振扫描仪行常规磁共振检查、DWI、DKI、DC... 详细信息

目的:探讨磁共振多模态模型在腮腺良恶性肿瘤的诊断及鉴别诊断的应用价值。方法:前瞻性分析50例经我院术后病理证实腮腺肿瘤的患者,其中良性肿瘤38例、恶性肿瘤12例,术前均采用GE 3.0T超导型磁共振扫描仪行常规磁共振检查、DWI、DKI、DCE-MRI、SWI序列扫描,通过GE ADW 4.6工作站分析各磁共振功能成像技术的主要参数指标。DWI序列主要是通过测量病灶最低区域的ADC值并取其平均值,分析腮腺不同亚型的ADC值差异。DKI序列测量的参数包括MK值、Kr值、Ka值、FA值、MD值、Da值、Dr值,分析各参数对腮腺良恶性肿瘤的诊断效能。DCE-MRI是通过后处理工作站生成时间-信号强度曲线（TIC）,测量相关血流动力学参数SI、SI、T、SI、SI并计算WR,分析腮腺肿瘤的TIC曲线类型特征。SWI序列是通过静脉分布、TISS等级、最大静脉直径D三个参数来鉴别腮腺良恶性肿瘤。使用统计软件SPSS 24.0版对所有数据进行分析,对有统计学意义的结果绘制ROC曲线,分析其诊断效能并获得诊断阈值。对单一功能成像无法解决的问题采用多模态模型并进行ROC曲线分析,比较其对腮腺良恶性肿瘤的鉴别诊断效能。结果:（1）DWI:腮腺恶性肿瘤的ADC值低于良性肿瘤,多形性腺瘤的ADC值明显高于恶性肿瘤及Warthin瘤,各组间差异均有统计学意义,且具有很好的诊断效能。Warthin瘤的ADC值与恶性肿瘤接近,组间无统计学意义。（2）DKI:腮腺良性肿瘤的MK、Kr、Ka、FA平均值均低于腮腺恶性肿瘤,MD、Dr、Da平均值均高于腮腺恶性肿瘤,各组间均有统计学意义。MK、Kr、Ka、FA在鉴别腮腺良恶性肿瘤中具有较好的敏感性和特异性,特别是MK、Kr、Ka具有较高的诊断效能。（3）DCE-MRI:38例腮腺良性肿瘤TIC曲线有24例表现为A型,有6例表现为B型,有8例表现为C型,12例恶性肿瘤中11例表现为C型,1例表现为A型,组间差异具有统计学意义。SI、SI、SI、SI这四个参数在多形性腺瘤与恶性肿瘤、Warthin瘤与恶性肿瘤、多形性腺瘤与Warthin瘤各组间差异没有统计学意义,各组间WR差异具有统计学意义。（4）SWI:腮腺良性肿瘤静脉分布以周边分布为主,恶性肿瘤以中央分布为主,组间差异具有统计学意义;腮腺良性肿瘤TISS等级以1级为主,恶性肿瘤TISS等级以2～3级为主,差异具有统计学意义。恶性肿瘤的D高于良性肿瘤,组间差异具有统计学意义,并且具有较高的诊断效能。（5）DWI联合DCE-MRI诊断模型时,在C型曲线中,以ADC值小于0.913×10mm/s诊断为腮腺恶性肿瘤,曲线下面积0.746,敏感性91.7%,特异性67.6%。DKI、DWI、SWI联合诊断模型中,以MK>1.0400、Kr>1.1500、Ka>0.8670、ADC值<1.140×10mm/s、最大静脉直径D>1.500mm诊断为恶性肿瘤,曲线下面积为0.995,敏感性93.9%,特异性100.0%。结论:（1）磁共振功能成像DWI、DKI、DCE-MRI、SWI各相关参数在鉴别腮腺良恶性肿瘤中均有一定的诊断价值。（2）ADC值及C型曲线在腮腺良恶性肿瘤中存在一定的重叠,通过建立DWI与DCE-MRI联合,DWI、DKI与SWI联合诊断模型,可提高腮腺良恶性肿瘤的鉴别诊断效能。

关键词：腮腺磁共振成像多模态模型鉴别诊断

来源：评论

学校读者我要写书评

暂无评论

面向超声射频数据的多模态多任务图像分割方法研究

面向超声射频数据的多模态多任务图像分割方法研究

引用

作者：陈佳烁华南理工大学

学位级别：硕士

超声成像技术因其实时性、廉价性、无创和无放射性等特点,成为了如甲状腺疾病和乳腺疾病诊断的常用的工具之一。在超声图像中,目标区域的分割通常是疾病诊断的关键步骤之一。相较于人工分割,利用计算机进行超声图像自动化分割可以有效... 详细信息

超声成像技术因其实时性、廉价性、无创和无放射性等特点,成为了如甲状腺疾病和乳腺疾病诊断的常用的工具之一。在超声图像中,目标区域的分割通常是疾病诊断的关键步骤之一。相较于人工分割,利用计算机进行超声图像自动化分割可以有效避免主观性,并大大降低医生的工作量。然而受超声成像原理的影响,超声图像通常具有低对比度、斑点噪声和组织边界模糊等问题。这些问题都增加了从超声图像中分割出目标区域的难度。相较于传统超声B模式图像,超声射频数据能提供更多与组织器官内散射体分布相关的信息。当超声射频数据可用时,医学图像分割模型可以利用这些信息更准确地区分图像中的模糊组织边界,从而提高超声图像分割准确度。基于以上背景,本文围绕面向超声射频数据的多模态多任务特征融合图像分割方法展开研究。本文首先使用超声射频数据生成超声B模式、超声信息熵和Nakagami三种不同模态的图像。针对这三种模态的图像,本文提出了一个面向超声射频数据的多模态特征融合图像分割网络,该网络使用多编码器结构来提取超声参数化图像和超声B模式图像特征。另外,本文基于注意力机制提出了一个具有通道感知能力的特征融合模块,并使用该模块进行多模态特征融合。在乳腺囊肿和甲状腺两个超声射频数据集上的实验表明,超声参数化图像可以有效地提高超声分割模型的性能。与其他基于卷积神经网络的单模态医学图像分割算法相比,本文提出的多模态特征融合图像分割网络具有较高的竞争力,展示了超声射频数据在超声图像分割中具有的潜在优势。为了直接使用超声射频数据进行超声图像分割,本文提出了一个面向超声射频数据的多任务特征融合图像分割网络。该网络包含图像生成支路、图像分割支路和多任务特征融合支路。图像生成支路用于提取射频数据中的信息,以重建B模式图像;图像分割支路用于提取B模式图像中的信息,以进行初步分割;多任务特征融合支路则基于混合注意力机制将不同任务特征进行融合,以进行最终分割。在乳腺囊肿和甲状腺两个超声射频数据集上的实验表明,本文提出的多任务特征融合超声图像分割网络可以更好地提取超声射频数据的信息,从而进一步提高超声图像的分割精确度。

关键词：超声图像分割超声射频数据多模态模型多任务模型深度神经网络

来源：评论

学校读者我要写书评

暂无评论

基于自监督学习的多模态情感脑机接口研究

基于自监督学习的多模态情感脑机接口研究

引用

作者：谢昀臻杭州电子科技大学

学位级别：硕士

脑电信号(Electroencephalogram,EEG)因其高时间分辨率的特点而成为脑机接口技术的关键工具,利用EEG信号进行情绪识别的研究可以为临床诊断治疗、情绪感知计算和人机交互等领域提供有力支持。然而基于EEG的情绪识别研究仍存在一些局限... 详细信息

脑电信号(Electroencephalogram,EEG)因其高时间分辨率的特点而成为脑机接口技术的关键工具,利用EEG信号进行情绪识别的研究可以为临床诊断治疗、情绪感知计算和人机交互等领域提供有力支持。然而基于EEG的情绪识别研究仍存在一些局限。首先EEG等生理信号在临床上的采集过程比较复杂,高质量数据的获取条件比较苛刻,并且在临床对EEG信号的标签标注工作非常耗时耗力,进一步导致相关数据的稀缺;其次现有许多模型还局限于只使用脑电单模态,而没有充分利用多模态的数据在多视角下的互补信息。针对上述问题,本文开展如下研究工作: (1)传统基于全监督的脑电情绪识别任务通常都面对数据匮乏,标签标注耗时耗力,难以达到临床广泛应用要求的问题。针对这个问题提出了一种基于双流孪生对比网络(Dual-stream Siamese Contrastive Network)的自监督(Selfsupervised Learning,SSL)学习方法,通过在预训练阶段构建一个对比预测结构,使主干编码器在预训练过程能够有效学习到输入信号的通用表征,并在下游情绪分类任务中实现优秀的分类精度,同时使用一种双流自引导架构,避免出现模型输出恒定不变的坍塌问题。通过在SEED和SEED-IV数据集的实验验证,结果显示本方法在原始信号的情绪三分类和四分类上分别取得了93.77%和90.52%的平均分类准确率,同时在部分标签实验中也取得优秀的效果,证明了该模型的有效性和鲁棒性。 (2)针对现有的情绪识别算法未能高效提取和利用多模态生理信号中互补信息,本文在第一项研究工作的基础上,提出了一种基于自监督学习的多模态多约束的情绪识别模型,旨在通过自监督的方法同时提取脑电和眼动特征,利用多个对比损失函数共同约束多模态模型的预训练,提高模型的训练效果。并引入一个注意力模块,提高情绪分类识别的准确率。在数据集SEED-IV的实验显示,基于多模态信号的模型比单模态能够得到更好的准确率,准确率达到96.82%。在部分标签实验中也同样表现出色,在微调阶段仅使用1%数据标签的实验测试中,相比随机初始化的模型,分类准确率高了28.15%,说明模型可以有效减少对数据标签的依赖,最后通过消融实验和混淆矩阵验证了网络的有效性和多模态信息的互补性。

关键词：情绪识别脑电信号眼动信号自监督学习多模态模型双流网络

来源：评论

学校读者我要写书评

暂无评论

基于包膜蛋白多模态特征的病毒适应性研究

基于包膜蛋白多模态特征的病毒适应性研究

引用

作者：谢晓雨大理大学

学位级别：硕士

病毒包膜蛋白因其高度变异性,导致病毒能逃避免疫系统的攻击。病毒包膜蛋白与抗体相互作用是评估病毒适应性的关键指标。虽然目前已有用于预测病毒适应性的研究,但仍然存在一些局限,如使用包膜蛋白全长序列的训练方法会引入过多的噪声... 详细信息

病毒包膜蛋白因其高度变异性,导致病毒能逃避免疫系统的攻击。病毒包膜蛋白与抗体相互作用是评估病毒适应性的关键指标。虽然目前已有用于预测病毒适应性的研究,但仍然存在一些局限,如使用包膜蛋白全长序列的训练方法会引入过多的噪声从而降低模型的预测性能;先前的研究仅关注到包膜蛋白的一级序列,而忽视了它的三维构象。为了解决以上问题,本研究以HIV-1病毒为例,通过研究其包膜蛋白gp120与6种抗体相互作用,以抗体靶向gp120的几个保守区域作为训练数据,同时引入包膜蛋白序列和结构两种模态来预测病毒适应性。本研究的主要工作如下: 1)构建了HIV-1包膜蛋白多模态特征数据集。本研究选择了六种与gp120相互作用的抗体,依据抗体在gp120上的结合类型将序列进行分割,使用同源建模得到病毒包膜蛋白的三维构象。最终联合序列数据和结构数据分别构建了病毒包膜蛋白gp120序列数据集、抗原表位序列数据集和抗原表位结构数据集。 2)以序列特征为基础构建基准模型。本研究构建了三种机器学习模型作为备选基准模型,并将其在gp120数据集和抗原表位序列数据集上的性能进行对比分析。结果发现,三种模型在抗原表位序列数据集上的表现更好,其中随机森林的各项评估指标均优于其他两个模型,性能MAE、RMSE、R2和PCC分别达到1.5、1.98、0.25、0.49。因此,本研究决定将抗原表位序列数据集应用于后续的实验,并且将RF的性能作为基准性能。 3)构建了多模态模型。本文提出由序列编码器、结构编码器和特征融合三个模块组成的多模态模型。通过分析序列和结构模态的消融实验,最终决定将双向门控循环单元作为序列编码器,图注意力网络作为结构编码器。借鉴对比学习模型的设计思路,结合抗原表位序列和结构实现了多模态特征的有效融合,并大幅提升了病毒适应性平均预测性能（MAE、RMSE、R2和PCC分别达到0.53、0.68、0.5、0.74）。本研究通过病毒包膜多模态特征的融合极大地提高了模型预测病毒适应性的性能,在各项任务中的平均性能较基准性能均有显著提升。MAE和RMSE分别降低0.97、1.3,R2和PCC分别提升0.25、0.25。本研究为预测新型病毒变体的适应性提供了新思路,对指导疫苗设计和制定治疗策略具有重要的生物学意义。

关键词：深度学习多模态模型 HIV-1病毒包膜蛋白病毒适应性

来源：评论

学校读者我要写书评

暂无评论

基于多模态磁共振特征的急性播散性脑脊髓炎MOGAD预测

基于多模态磁共振特征的急性播散性脑脊髓炎MOGAD预测

引用

作者：魏劭农杭州电子科技大学

学位级别：硕士

特发性炎性脱髓鞘疾病(Idiopathic inammatory demyelinating diseases,IIDDs)是一组以脱髓鞘和炎性细胞浸润为特征的免疫相关中枢神经系统脱髓鞘疾病,在这一疾病谱的诸多亚型中,急性播散性脑脊髓炎(Acute disseminated encephalomyelit... 详细信息

特发性炎性脱髓鞘疾病(Idiopathic inammatory demyelinating diseases,IIDDs)是一组以脱髓鞘和炎性细胞浸润为特征的免疫相关中枢神经系统脱髓鞘疾病,在这一疾病谱的诸多亚型中,急性播散性脑脊髓炎(Acute disseminated encephalomyelitis,ADEM)具有急性发病、病程进展迅速、儿童易感的特点。与这种疾病具有相似的临床症状及影像学表现的另外一种脱髓鞘疾病亚型——髓鞘少突胶质细胞糖蛋白抗体相关疾病(Myelin oligodendrocyte glycoprotein antibody associated disorders,MOGAD)是一种年轻的,但被广泛关注的疾病,近年来成为脱髓鞘领域的研究热点。在MOGAD被独立定义之前,多项研究表明MOG抗体对ADEM患者的病程有着显著的影响,MOG抗体阳性的ADEM患者更容易出现多项病程。如今,典型的ADEM与具有ADEM样表现的MOGAD之间主要依靠MOG抗体的检测结果区分。但这一方法并不是始终可靠且高效的。并且,只有极少数公司和研究机构具备MOG抗体的检测能力,大部分三级医疗中心都无法在第一时间将患者的血液样本或脑脊液样本送至检测机构。这样的延迟对于具有急性发病特点的ADEM患者而言,存在潜在风险。因此本文提出一项具有即时性、操作简易且可量化的基于患者头部轴状位MRI的MOGAD预测模型,从而进一步指导患者急性期的激素用量。本文通过引入流行的机器学习方法在具有ADEM样表现的患儿中进行快速有效的MOGAD识别。具体包括如下工作:(1)提出了一种基于FLAIR序列的影像组学特征与机器学习算法的MOGAD识别算法,在保证准确率的同时使模型具有一定的可解释性。使用6岁作为分段节点,结合性别将研究队列划分为四个亚组,在每个亚组上单独构建机器学习分类模型。对每个病灶(二维连通域)提取影像组学特征并对高维特征使用冗余性分析、显著性检验以及LASSO筛选进行降维。然后对降维后特征分特征组统计其次数以获得模型的可解释性,筛选后的特征使用四种机器学习模型建模并验证模型在四个亚组上AUC达到89.0%-99.2%。此外,为了提升模型的预测性能,基于同样的流程,结合了T1序列与T2序列两个模态改善了0-6岁两个亚组上的预测性能。(2)构建了一个多模态深度分割网络以实现病灶的自动分割。具体来讲:针对多模态模型MR序列间所带病灶信息不平衡问题,提出一种使用BILSTM网络对病灶所处的灰度区间进行学习,以生成一个包含大部分FLAIR序列病灶信息的权重矩阵,并使用这一权重矩阵来增强另外两种不显著模态的方法,然后基于多模态U-Net网络,使用增强后的图像进行病灶分割。最终实验表明,相比于使用单模态U-Net和不增强的多模态模型,本方法具有更优异的性能。(3)综合本文构建的基于机器学习的分类模型与基于深度学习的分割模型构建了整体的MOGAD预测模型,并依托这一模型,使用Matlab GUIDE工具开发一个儿童ADEM样患者MOGAD识别系统。实现了数据预览、灰度直方图预览及预测结果展示、病灶分割以及MOGAD预测功能。该系统能辅助临床医生在样本送检之前,在急性发病的ADEM样表现患者群体中发现MOGAD患者,从而进一步帮助临床医生推导急性期用药,及时发现,及时治疗。

关键词：急性播散性脑脊髓炎抗髓鞘少突胶质细胞糖蛋白抗体相关疾病核磁共振影像机器学习多模态模型

来源：评论

学校读者我要写书评

暂无评论

没有更多数据了...

全选清除本页清除全部题录导出标记到“检索档案”

共5页 << < 1 2 3 4 5 > >>

检索报告对象比较合并检索0

隐藏清空

合并搜索

回到顶部

执行限定条件

内容：

评分：

请选择保存的检索档案：

请选择收藏分类：

订阅名称：

通借通还

温馨提示：

图书名称：

借书校区：

取书校区：

手机号码：

邮箱地址：

一卡通帐号：

电话和邮箱必须正确填写，我们会与您联系确认。

联系人：

所在院系：

联系邮箱：

联系电话：

内蒙古自治区呼和浩特市赛罕区大学西街235号邮编: 010021

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：