检索结果-内蒙古大学图书馆

计算机应用研究 2023年第6期40卷 1876-1881页

作者：范馨月刘腾鲍泓潘卫国梁天骄李晗北京联合大学北京市信息服务工程重点实验室北京100101 北京联合大学机器人学院北京100020 北京邮电大学信息网络中心北京100876

数据的长尾特性一直是解决计算机视觉问题的一大挑战,为了应对这一挑战在实例分割任务中带来的困难,通常引入图像重采样作为一种简单有效的方法。然而一幅图像中可能存在多个类,仅通过图像重采样不足以在类别的数据量层面上获得足够均... 详细信息

数据的长尾特性一直是解决计算机视觉问题的一大挑战,为了应对这一挑战在实例分割任务中带来的困难,通常引入图像重采样作为一种简单有效的方法。然而一幅图像中可能存在多个类,仅通过图像重采样不足以在类别的数据量层面上获得足够均衡的分布,因此提出一种以目标为中心的记忆库后处理方法。首先引入记忆库模型,设立以目标为单位的存储策略,解决各类别数量不均衡问题;其次使用一种后处理校准方法,通过调整每个类的置信度得分提升稀有类和普通类的预测值。在公开数据集LVIS上的实验验证了所提方法的有效性,并且相比EQL方法,准确率能够提升2.2%。

关键词：长尾分布实例分割记忆库置信度校准 DCT 深度学习

来源：评论

学校读者我要写书评

暂无评论

机器阅读理解鲁棒性和置信度方法的研究

机器阅读理解鲁棒性和置信度方法的研究

引用

作者：孙嘉伟燕山大学

学位级别：硕士

机器阅读理解作为自然语言处理领域中具有代表性的任务,旨在综合衡量模型理解文本的能力。近几年随着深度神经网络的发展,机器阅读理解模型性能有了较大突破,并已应用于实际场景。在新的阶段下人们对现有技术提出了更多要求:希望所构建... 详细信息

机器阅读理解作为自然语言处理领域中具有代表性的任务,旨在综合衡量模型理解文本的能力。近几年随着深度神经网络的发展,机器阅读理解模型性能有了较大突破,并已应用于实际场景。在新的阶段下人们对现有技术提出了更多要求:希望所构建的系统在保持准确的同时,其输出结果稳定不易被干扰且具备一定的可信性,这涉及到两个问题:“鲁棒性”与“置信度”。本文对机器阅读理解鲁棒性和置信度问题展开研究,主要研究内容如下。首先,机器阅读理解鲁棒性是指模型在遇到带有干扰信息的样本时,仍然能够保持模型精度的能力。本文将现有研究中所发现的多种模型鲁棒性下降现象总结为机器阅读理解模型当中存在的不良归纳偏置。通过对不良归纳偏置进行分析,发现机器阅读理解模型中存在的两个导致鲁棒性下降的原因:1.表征空间过于稠密。2.对数据集中部分样本的过拟合。为了解决上述问题,本文提出了基于对比学习的多任务机器阅读理解学习框架。该框架通过多任务联合训练的方式将对比学习任务引入机器阅读理解模型中,扩大模型所表征的上下文空间,使模型更加容易区分对抗性样本中的干扰信息;同时加入正则化方法,暴露模型的过拟合情况并对参数进行惩罚。该框架从模型表征与训练数据两个层面解决模型鲁棒性问题。最后在多个对抗性数据集上验证了本文所提出算法的有效性与优越性。其次,置信度是指所产生答案的可信程度。传统的机器阅读理解模型直接将神经网络的后验概率作为置信度使用,存在置信度校准不良的问题。由于模型训练阶段后验概率的拟合目标与真实置信度不统一,最终造成输出概率难以作为真实置信度使用。本文针对该问题提出了基于模型知识的置信度校准算法。算法采用知识蒸馏的结构,抽取教师模型中蕴含的先验置信度知识构造软标签,指导模型训练,使模型输出概率在训练过程中逐步拟合置信度,最终实现模型置信度校准。最后在多个数据集上进行实验,证明了所提出算法的有效性与优越性。

关键词：机器阅读理解鲁棒性置信度校准预训练模型对比学习正则化知识蒸馏

来源：评论

学校读者我要写书评

暂无评论

单/多模态直接免疫荧光图像分类及膜性肾病诊断

单/多模态直接免疫荧光图像分类及膜性肾病诊断

引用

作者：王瑞丽太原理工大学

学位级别：硕士

膜性肾病为我国第二大慢性肾病,发病率逐年上升。肾活检直接免疫荧光检查作为慢性肾病诊断重要检查方式,常用于以膜性肾病在内的多种肾脏疾病诊断中。然而,目前直接免疫荧光图像辅助膜性肾病诊断还面临诸多问题。首先,单模态Ig G直接免... 详细信息

膜性肾病为我国第二大慢性肾病,发病率逐年上升。肾活检直接免疫荧光检查作为慢性肾病诊断重要检查方式,常用于以膜性肾病在内的多种肾脏疾病诊断中。然而,目前直接免疫荧光图像辅助膜性肾病诊断还面临诸多问题。首先,单模态Ig G直接免疫荧光图像强度作为诊断重要参考指标,其分级标准主观性强,且具有细粒度图像特点,极易造成诊断差异,同时图像中无关背景染色也易对诊断造成干扰,导致一致性分级尤为困难。此外,由于直接免疫荧光图像难以通过肉眼直接观察微小病变,目前诊断中无法单独使用该图像实现进一步可靠的膜性肾病病理分期以确定病因。但随着深度学习等技术在计算机视觉领域的快速发展,研究表明这些技术可以实现一致性分类并发掘人眼难以发现的微小病变以辅助医学诊断。因此,本文拟采用深度学习方法对在膜性肾病诊断中具有重要参考意义的单模态Ig G直接免疫荧光图像强度进行分级研究,并基于多模态直接免疫荧光图像对早期,晚期和非膜性肾病进行自动分类,进一步辅助膜性肾病诊断,拓宽深度学习在医学领域的应用场景。针对以上问题,本文提出了一个预处理语义特征增强分类网络和一个自适应加权置信度校准融合网络分别用于单模态Ig G直接免疫荧光图像强度分类和多模态直接免疫荧光图像膜性肾病病理分类辅助诊断问题,其主要工作如下:针对单模态Ig G直接免疫荧光图像强度分类问题,根据其细粒度图像特点,提出了一个由预处理模块和分类模块构成的预处理语义特征增强分类框架,用于三种强度等级图像的分类。在预处理模块,使用U-Net进行肾小球区域分割,并采用平均亮度差法去除背景荧光亮度干扰,使后续模块关注于标准化肾小球。使用语义特征增强网络基于标准化直接免疫荧光图像进行分类,关注区别性细粒度语义特征,实现了一致性强度分级。采用1233张图像进行模型的训练与测试,并在预处理阶段实现了0.9和0.88的分割Dice系数和Io U分数,有效完成了肾小球分割,在分类阶段对三种强度图像达到了78.4%的分类准确率,为构造一致性强度分级指标提供了参考。针对多模态直接免疫荧光图像膜性肾病病理分类辅助诊断问题,提出了一个包含预处理,自适应加权置信度校准融合和融合分类的自适应加权置信度校准融合模型,用于早期,晚期与非膜性肾病分期。在预处理模块中,使用U-Net和平均亮度差方法分别分割肾小球区域和去除由于背景染色对于肾小球亮度造成的干扰,构造标准化图像。对于自适应加权置信度校准融合模块,根据六种典型校准方法校准效果差异自适应加权构造接近人类医生诊断标准的置信度分数,提高分类模型的可靠性。在融合分类模块中,使用随机森林算法,在基于可靠置信度校准的基础上对两种模态直接免疫荧光图像Ig G和C3图像进行融合分类以实现膜性肾病的自动分期,辅助膜性肾病诊断。最终在718对同时包含Ig G和C3的直接免疫荧光图像进行模型的训练与测试。在其预处理阶段,分别取得了0.91的Dice系数和0.89的Io U分数实现对肾小球区域分割,并构造了标准化图像数据集。在自适应加权置信度校准模块,两种模态数据校准后的期望校准误差减少量分别达到了0.15和0.16,优于大部分单种校准方法。在融合分类模块中,使用校准后置信度分数分类实现了较高的分类准确率和置信度水平,膜性肾病分期准确率达到了73.52%,为辅助膜性肾病诊断探索了道路。本文针对单模态Ig G直接免疫荧光图像强度与多模态直接免疫荧光图像膜性肾病分期诊断实现了自动化准确分类,可以有效辅助膜性肾病等慢性肾病的诊断,为医生提供了病理诊断的参考依据,并为免疫病理学的后续研究奠定了基础。

关键词：直接免疫荧光图像图像分类膜性肾病置信度校准细粒度图像

来源：评论

学校读者我要写书评

暂无评论

基于深度学习的乳腺磁共振影像BI-RADS分类研究

基于深度学习的乳腺磁共振影像BI-RADS分类研究

引用

作者：孙相鹏电子科技大学

学位级别：硕士

如今,乳腺癌在所有癌症中的新增病例数居首,因此早期诊断变得尤为重要。磁共振成像(MRI)是常用的乳腺癌诊断技术之一,但需要专业医生进行读片等工作,加剧了医疗资源的紧张。深度学习技术的发展为计算机辅助诊断带来了新的可能性,有望提... 详细信息

如今,乳腺癌在所有癌症中的新增病例数居首,因此早期诊断变得尤为重要。磁共振成像(MRI)是常用的乳腺癌诊断技术之一,但需要专业医生进行读片等工作,加剧了医疗资源的紧张。深度学习技术的发展为计算机辅助诊断带来了新的可能性,有望提高诊断效率并减轻医生的工作负担。然而,现有基于深度学习的肿瘤分类任务大多是二分类任务,粗粒度的分类方法无法提供足够的细粒度信息以帮助医生进行更准确的诊断。此外,现代神经网络存在置信度校准不足的问题,难以指出模型何时可能出错,这可能导致误诊或漏诊。针对上述问题,本文的贡献和创新点如下:第一、本文提出了一个基于置信度校准的乳腺MRIBI-RADS分类模型,该模型以BI-RADS评估标准为指导,通过记录模型训练过程中产生的有关训练样本肿瘤恶性可能性的信息,生成细粒度的伪标签用于指导模型的训练,同时引入单峰分布对分类器进行进一步的约束,有效地提高了模型捕捉细粒度信息的能力,实现了从二分类到有序多分类的跨越。实验结果表明,该模型能够在保持合理置信度分布的同时显著提高模型的校准程度。第二、基于对比学习,本文提出了同源对比算法,将单一图片的对比扩展到同一病例所有影像之间的对比,以此提高模型在数据量较小的情况下学习到更好的特征表示的能力。同时,本文在BYOL对比框架的基础上,搭建了乳腺MRI同源对比分类模型,基于二分类和BI-RADS分类的实验证明了同源对比算法的有效性。第三、由于乳腺MRI的特殊性,通用图像分类的研究成果和结论无法直接应用于本任务,本文基于乳腺MRI对多种图像增强方法进行了对比实验;设计了基于注意力的特征融合算法和基于循环神经网络的特征融合算法,并通过实验探究了多种特征融合方式的作用。基于对乳腺MRI的观察,本文提出了一个简单的自动分割算法,能够自动切除影像中胸腔内的组织,减少其对模型识别肿瘤时的干扰,有效提高了分类的稳定性。

关键词：乳腺磁共振影像癌症诊断 BI-RADS分类置信度校准对比学习

来源：评论

学校读者我要写书评

暂无评论

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：

请选择收藏分类：

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

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：