检索结果-内蒙古大学图书馆

从U-Net到Transformer：混合模型在医学图像分割中的应用进展

激光与光电子学进展 2025年第2期62卷 11-33页

作者：尹艺晓马金刚张文凯姜良山东中医药大学医学信息工程学院

医学图像分割能够准确快速地提取图像中感兴趣结构，在医学影像诊断、疾病分析、手术规划等领域具有重要应用价值。传统的医学图像分割方法通常依赖于边缘检测、模板匹配技术、统计形状模型、活动轮廓和传统机器学习技术。然而，由于图... 详细信息

医学图像分割能够准确快速地提取图像中感兴趣结构，在医学影像诊断、疾病分析、手术规划等领域具有重要应用价值。传统的医学图像分割方法通常依赖于边缘检测、模板匹配技术、统计形状模型、活动轮廓和传统机器学习技术。然而，由于图像存在模糊、噪声、对比度低等问题，传统方法的准确性和鲁棒性受到限制。深度学习方法通过学习数据的不同抽象层次来逐渐提取特征，相较于传统方法具有高精度、自适应性强和可扩展性强等优势。为更好地进行医学图像分割辅助诊断研究，本文综述了卷积神经网络、Transformer以及U-Net和Transformer混合结构在医学图像分割中的应用情况，并对它们进行了综合对比分析。通过可视化结果和图像评估指标，证实了这些模型在医学图像分割中的可行性。最后总结目前研究中存在的问题，并对未来的研究方向进行展望。

关键词：深度学习医学图像分割 U-Net Transformer 混合模型

来源：评论

学校读者我要写书评

暂无评论

融合OMP和PLS的粮食作物近红外光谱变量选择

引用

中国粮油学报 2025年第1期40卷 220-224页

作者：李四海朱刚刘明奇董雯甘肃中医药大学医学信息工程学院兰州730000

为进一步解决正交匹配追踪算法用于近红外光谱定量分析时存在的偏差小、方差大、选择变量较多、模型容易过拟合的问题,提出了一种融合正交匹配追踪和偏最小二乘回归的正交匹配偏最小二乘变量选择方法OMPLS(Orthogonal matching pursuit ... 详细信息

为进一步解决正交匹配追踪算法用于近红外光谱定量分析时存在的偏差小、方差大、选择变量较多、模型容易过拟合的问题,提出了一种融合正交匹配追踪和偏最小二乘回归的正交匹配偏最小二乘变量选择方法OMPLS(Orthogonal matching pursuit based partial least squares regression)。OMPLS为前向变量选择方法,算法根据OMP回归系数绝对值大小评价光谱变量重要性,使用偏最小二乘回归和贝叶斯信息准则确定剩余光谱变量中的重要变量,最终得到满足给定数量要求的最优变量集合。分别在corn数据集和wheat kernels数据集上进行变量选择实验,根据选择变量个数、RMSEC和RMSEP比较PLS、OMP、OMPLS 3种变量选择方法的性能。实验结果表明:OMPLS方法在corn数据集和Wheat kernels数据集上选择变量个数、RMSEP值均小于OMP方法,表明模型泛化能力有了一定程度的提高。OMPLS变量选择方法以BIC指标作为模型选择准则,在模型复杂度和预测能力之间取得平衡。与OMP方法相比,能够进一步减少选择变量的数量,防止过拟合,提高模型的预测能力和可解释性。

关键词：近红外光谱变量选择正交匹配追踪偏最小二乘贝叶斯信息准则

来源：评论

学校读者我要写书评

暂无评论

深度学习在上肢骨折诊断的研究进展

引用

计算机科学与探索 2025年

作者：魏宗月仇大伟刘静李振江常少华山东中医药大学医学信息工程学院

上肢骨折作为临床常见且复杂的创伤性骨折类型，其诊断准确性对患者的治疗和康复具有重要的意义。传统X射线（X-ray）诊断方法操作繁琐且耗时，难以满足现代医学对高效、精确诊断的需求。在此背景下，深度学习辅助上肢骨折诊断主要利用... 详细信息

上肢骨折作为临床常见且复杂的创伤性骨折类型，其诊断准确性对患者的治疗和康复具有重要的意义。传统X射线（X-ray）诊断方法操作繁琐且耗时，难以满足现代医学对高效、精确诊断的需求。在此背景下，深度学习辅助上肢骨折诊断主要利用深度学习模型对医学影像进行分类、检测和分割，确定影像中是否存在异常，提高模型诊断的速度和准确性，同时也为医生提供了更有价值的辅助意见。为了更好地了解深度学习技术在上肢骨折诊断领域的研究现状和进展，首先详细介绍了几种常见的上肢骨折类型并对当前广泛使用公开的上肢骨折数据集进行了总结，同时，对常用的评价指标进行了系统归纳，以便更好地理解模型在不同的任务中的性能表现。其次，深入分析了深度学习在图像分类、目标检测和图像分割三项计算机视觉 (computer vision， CV) 任务中的应用进展，通过总结各算法的优化策略及其在骨折诊断中的具体应用，比较了各自的优势与局限性，并对深度学习模型的可解释性进行总结。最后，从数据规模、使用方法、算法优缺点及实验结果等方面进行了全面对比，系统总结了当前上肢骨折诊断中面临的主要挑战，并对未来研究方向进行了展望。

关键词：深度学习上肢骨折卷积神经网络 CV

来源：评论

学校读者我要写书评

暂无评论

大语言模型GPT在医疗文本中的应用综述

引用

计算机科学与探索 2025年

作者：田崇腾刘静王晓燕李明山东中医药大学医学信息工程学院

医疗文本作为记录和传递医学知识的重要载体，在现代医疗实践中发挥着不可替代的作用。其种类繁多，涵盖了病历、诊断报告、医患沟通记录等多个方面，而传统的人工处理方式已难以满足日益增长的高效性与精准性需求。随着医疗数据量的迅... 详细信息

医疗文本作为记录和传递医学知识的重要载体，在现代医疗实践中发挥着不可替代的作用。其种类繁多，涵盖了病历、诊断报告、医患沟通记录等多个方面，而传统的人工处理方式已难以满足日益增长的高效性与精准性需求。随着医疗数据量的迅猛增长，如何高效处理和充分利用这些庞大信息，已成为医疗领域亟待解决的重要问题。近年来，以GPT（generative pre-trained transformer）为代表的大语言模型迅速发展，成为自然语言处理领域的重要突破。GPT通过大规模的预训练与微调，具备了强大的语言生成与理解能力。这一技术的进步为医疗文本处理中的复杂性与效率问题提供了新的解决思路。介绍了GPT的核心技术，并重点分析了其在数据处理、辅助医患沟通、医学教育支持、疾病预防以及多模态综合应用等五大领域的应用，总结其优缺点及实际问题，讨论并展望了大语言模型在医疗领域的未来发展方向。

关键词：大语言模型医疗文本 GPT 自然语言处理

来源：评论

学校读者我要写书评

暂无评论

基于近红外光谱的连续小波变换与卷积注意力模块建立秦艽的定性分析模型

引用

理化检验-化学分册 2025年第04期61卷 436-442页

作者：周玉李四海李坤鹏王泽朋甘肃中医药大学医学信息工程学院

针对近红外光谱的处理研究大多聚焦于对原始的一维光谱信号直接进行卷积特征抽取，为了更加全面地挖掘光谱数据中的信息，提高分类模型的建模效果，提出了连续小波变换与卷积注意力模块建立秦艽定性分析模型的方法。采用连续小波变换将... 详细信息

针对近红外光谱的处理研究大多聚焦于对原始的一维光谱信号直接进行卷积特征抽取，为了更加全面地挖掘光谱数据中的信息，提高分类模型的建模效果，提出了连续小波变换与卷积注意力模块建立秦艽定性分析模型的方法。采用连续小波变换将一维的信号转换为二维图像表现形式，以得到的小波时频图作为光谱特征，建立具有注意力机制的秦艽近红外光谱的卷积神经网络定性分析模型Att-GoogleNet，并通过翻转、对比度增强以及加入高斯噪声来扩充数据集实现数据增强，提高模型的泛化能力。结果表明：对207个秦艽样品的产地进行分析，Att-GooogleNet模型的分类准确率为99.6%，准确率、精确率、召回率、特异度、F1分数均优于传统机器学习模型。

关键词：近红外光谱连续小波变换卷积神经网络注意力机制模型秦艽

来源：评论

学校读者我要写书评

暂无评论

深度学习在知识图谱构建及推理中的应用

引用

计算机工程与应用 2025年第6期61卷 36-52页

作者：孙宇刘川周扬山东中医药大学医学信息工程学院济南250355 山东中医药大学中医文献与文化研究院济南250355

知识图谱作为自然语言处理领域的一种结构化知识表示形式,能够描述现实世界中的概念及相互关系,常被应用于信息检索、数据管理等领域。深度学习因其具有自动学习多元数据内在规律和表示层次的特性,可用于大规模、高质量知识图谱的精准... 详细信息

知识图谱作为自然语言处理领域的一种结构化知识表示形式,能够描述现实世界中的概念及相互关系,常被应用于信息检索、数据管理等领域。深度学习因其具有自动学习多元数据内在规律和表示层次的特性,可用于大规模、高质量知识图谱的精准构建及有效推理,已逐渐成为新兴研究热点。为进一步促进深度学习和知识图谱的技术融合,以知识图谱构建及推理过程为主线,全面介绍深度学习在知识表示、知识抽取、知识融合、知识推理领域的相关理论及最新研究成果;同时,根据近年来的研究趋势,重点归纳与总结了适用于图数据特征推理的图深度学习与知识推理相融合的最新研究成果。最后,对深度学习和知识图谱的融合发展做了概要总结和技术展望,为未来研究发展提供参考和思路。

关键词：知识图谱深度学习知识图谱构建知识推理图深度学习

来源：评论

学校读者我要写书评

暂无评论

基于RGB与骨骼数据的人体行为识别综述

引用

计算机工程与应用 2025年第8期61卷 62-82页

作者：李仝伟仇大伟刘静逯英航山东中医药大学医学信息工程学院济南250355

人体行为识别是计算机视觉领域中的重要研究方向,在人机交互、医疗康复、自动驾驶等领域具有广泛应用和重大意义。由于其方法的重要性和前沿性,对该领域进行全面、系统地总结具有极其重要的意义。深入探讨了基于RGB和骨骼数据模态的人... 详细信息

人体行为识别是计算机视觉领域中的重要研究方向,在人机交互、医疗康复、自动驾驶等领域具有广泛应用和重大意义。由于其方法的重要性和前沿性,对该领域进行全面、系统地总结具有极其重要的意义。深入探讨了基于RGB和骨骼数据模态的人体行为识别方法;按照特征学习方式的不同,分为基于传统机器学习的手工特征提取方法和基于深度学习的深度特征提取方法。介绍了行为识别的基本流程,并总结了公开数据集。详述了基于RGB和骨骼数据模态的识别方法。对于RGB数据,分析了基于2D CNN、RNN和3D CNN的特征提取方法;对于骨骼数据,介绍了自上而下和自下而上的姿态评估算法,重点分析了基于RNN、CNN、GCN、Transformer和混合神经网络的分类算法。最后,展望了未来深度学习在人体行为识别中的五个研究方向。

关键词：行为识别计算机视觉 RGB数据骨骼数据特征提取深度学习

来源：评论

学校读者我要写书评

暂无评论

深度残差网络在脑肿瘤MRI分类上的研究进展

引用

磁共振成像 2025年第3期16卷 143-149,161页

作者：李光宇杨锋张智悦陈雷山东中医药大学医学信息工程学院济南250355 山东中医药大学附属医院资产设备处济南250014

脑肿瘤作为一组在人脑内部或周围异常增殖的组织,其生长可能导致严重的神经功能障碍,对患者的生活质量和生命安全构成重大威胁。因此,准确地对脑肿瘤进行分类,对于制订针对性的治疗方案和评估患者的预后情况具有至关重要的意义。近年来... 详细信息

脑肿瘤作为一组在人脑内部或周围异常增殖的组织,其生长可能导致严重的神经功能障碍,对患者的生活质量和生命安全构成重大威胁。因此,准确地对脑肿瘤进行分类,对于制订针对性的治疗方案和评估患者的预后情况具有至关重要的意义。近年来,深度学习技术的迅猛发展为医学影像分析领域开辟了新的途径,深度残差网络(ResNet)及其衍生变体在图像分类任务中展现出了卓越的性能,为脑肿瘤MRI分类带来了新的突破。本文深入探讨了基于深度残差网络的网络模型在脑肿瘤MRI分类中的优化策略,首先介绍了深度残差网络的发展,随后详细地分析了当前深度残差网络及其衍生变体在脑肿瘤磁共振图像上的应用。最后,指出了该领域目前面临的挑战,并对未来的研究方向进行了展望,旨在为相关研究提供全面的参考和思路,推动深度残差网络在脑肿瘤MRI分类中的进一步发展和应用,从而提高脑肿瘤诊断的准确性和效率,为临床治疗提供更有力的支持。

关键词：深度残差网络脑肿瘤磁共振成像图像分类注意力机制迁移学习

来源：评论

学校读者我要写书评

暂无评论

融合子图结构的医学知识推理方法综述

引用

医学信息学杂志 2025年第1期46卷 63-68,92页

作者：宋豪俊李燕刘悦悦何欣宇甘肃中医药大学医学信息工程学院兰州730101

目的/意义综述融合子图结构的医学知识图谱推理方法,为后续相关研究提供参考。方法/过程阅读并分析相关文献,结合知识图谱及其推理相关知识,分析目前融合子图结构的知识推理代表模型的特点和局限性,对比其与各类知识推理方法在相关领域... 详细信息

目的/意义综述融合子图结构的医学知识图谱推理方法,为后续相关研究提供参考。方法/过程阅读并分析相关文献,结合知识图谱及其推理相关知识,分析目前融合子图结构的知识推理代表模型的特点和局限性,对比其与各类知识推理方法在相关领域任务中的优势和不足,总结归纳此类推理方法在医学领域的应用现状和未来发展前景。结果/结论未来研究应致力于探索医学领域内不同模态信息的交互关系,以丰富推理信息,从而构建更加完善的医学知识图谱,为临床实际问题提供有效解决方案。

关键词：知识推理子图结构图神经网络知识图谱

来源：评论

学校读者我要写书评

暂无评论

深度学习在心脏瓣膜病辅助诊断中的研究进展

引用

中国胸心血管外科临床杂志 2025年

作者：马志明徐洪洋邱鹏刘兵姜良曹慧山东中医药大学医学信息工程学院济南市第四人民医院心血管内科

心脏瓣膜病作为第3大心血管疾病，发病率仅次于冠状动脉粥样硬化性心脏病和高血压，严重时可导致心室肥厚或心力衰竭。因此，早期检测心脏瓣膜病具有重要意义。近年来，深度学习在心脏瓣膜病辅助诊断中的应用取得显著进展，大幅提高了... 详细信息

心脏瓣膜病作为第3大心血管疾病，发病率仅次于冠状动脉粥样硬化性心脏病和高血压，严重时可导致心室肥厚或心力衰竭。因此，早期检测心脏瓣膜病具有重要意义。近年来，深度学习在心脏瓣膜病辅助诊断中的应用取得显著进展，大幅提高了检测准确率。本文针对深度学习在心脏瓣膜病辅助诊断中的研究展开综述，首先介绍常见心脏瓣膜病的病因、病理机制与影响，然后探讨心电信号、心音信号及多模态数据在心脏瓣膜病检测中的优势与局限性。对比传统风险预测方法与大语言模型预测方法在心血管疾病风险预测中的应用，指出大语言模型在风险预测中的潜力。最后指出当前深度学习在该领域面临的主要挑战，并对未来的研究方向进行展望。

关键词：深度学习心脏瓣膜病心音图心电图多模态融合大语言模型综述

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：