检索结果-内蒙古大学图书馆

系统工程理论与实践 2021年第1期41卷 188-199页

作者：肖进李思涵贺小舟腾格尔贾品荣谢玲四川大学商学院成都610064 四川大学管理科学/运筹学研究所成都610064 北京科学学研究中心北京100089 遵义医科大学医学信息工程学院遵义563006

客户流失预测是企业客户关系管理的重要内容.在现实的很多客户流失预测建模过程中,由于数据类别的高度不平衡现象的存在,使得模型的分类性能低下,不能很好地进行分类预测.同时由于现实情况中只有少量有类别标签的样本,更多的是无类别标... 详细信息

客户流失预测是企业客户关系管理的重要内容.在现实的很多客户流失预测建模过程中,由于数据类别的高度不平衡现象的存在,使得模型的分类性能低下,不能很好地进行分类预测.同时由于现实情况中只有少量有类别标签的样本,更多的是无类别标签数据的存在,造成了大量有用信息的浪费.为了解决以上两个问题,本研究将元代价敏感学习,半监督学习和Bagging集成等技术结合,提出了代价敏感的客户流失预测半监督集成模型(semi-supervised ensemble based on metacost,SSEM).该模型主要包括三个阶段:1)用Metacost方法修改初始有标签训练集L的类别标签,得到新的训练集Lm,并将其随机的分为模型训练集Ltr和模型验证集Va;2)使用Va挑选分类精度最高的三个基分类器,并用其选择性标记无类别标签U中的样本,并将它们添加到Ltr中;3)用新的模型训练集Ltr训练N个基本分类模型,并对测试集样本进行分类,进一步将分类结果进行集成.在两个客户流失预测数据集上进行实证分析,将SSEM模型与常用的监督式集成模型以及半监督式集成模型相比,结果表明,SSEM具有更好的客户流失预测性能.

关键词：客户流失预测类别分布不平衡半监督协同训练代价敏感

来源：评论

学校读者我要写书评

暂无评论

基于DCIF-GAN的肺部肿瘤PET/CT跨模态医学图像融合

引用

光学精密工程 2024年第2期32卷 221-236页

作者：周涛程倩茹张祥祥李琦陆惠玲北方民族大学计算机科学与工程学院宁夏银川750021 宁夏医科大学医学信息工程学院宁夏银川750004 北方民族大学图像图形智能处理国家民委重点实验室宁夏银川750021

基于生成对抗网络(Generative Adversarial Network,GAN)的医学图像融合是计算机辅助诊断领域的研究热点之一,但是现有基于GAN的融合方法存在训练不稳定,提取图像的局部和全局上下文语义信息能力不足,交互融合程度不够等问题。针对上述... 详细信息

基于生成对抗网络(Generative Adversarial Network,GAN)的医学图像融合是计算机辅助诊断领域的研究热点之一,但是现有基于GAN的融合方法存在训练不稳定,提取图像的局部和全局上下文语义信息能力不足,交互融合程度不够等问题。针对上述问题,本文提出了双耦合交互式融合GAN(Dual-Coupled Interactive Fusion GAN,DCIFGAN)。首先,设计了双生成器双鉴别器GAN,通过权值共享机制实现生成器之间和鉴别器之间的耦合,通过全局自注意力机制实现交互式融合;第二,设计耦合CNN-Transformer的特征提取模块(Coupled CNN-Transformer Feature Extraction Module,CC-TFEM)和特征重构模块(CNN-Transformer Feature Reconstruction Module,C-TFRM),提升了对同一模态图像内部的局部和全局特征信息提取能力;第三,设计跨模态交互式融合模块(Cross Model Intermodal Fusion Module,CMIFM),通过跨模态自注意力机制,进一步整合不同模态间的全局交互信息。为了验证本文模型的有效性,在肺部肿瘤PET/CT医学图像数据集上进行实验,该文方法在平均梯度,空间频率,结构相似度,标准差,峰值信噪比,信息熵等上与其他四种方法中最优方法相比,分别提高了1.38%,0.39%,29.05%,30.23%,0.18%,4.63%。模型能够突出病变区域信息,融合图像结构清晰且纹理细节丰富。

关键词：医学图像图像融合 PET/CT 耦合生成对抗网络 Swin Transformer

来源：评论

学校读者我要写书评

暂无评论

改进傅里叶域转换的分子性质预测方法仿真

引用

计算机仿真 2023年第1期40卷 505-509页

作者：唐渐刘玉清西南医科大学医学与信息工程学院四川泸州646000

生物信息分子交换过程存在复杂的量子互斥相互作用,使得分子性质预测难以实现。以图神经网络为基础,提出一种基于分子结构图数据的分子性质预测方法。将由顶点-边结构组成的不同种类图形数据作为神经网络输入,构建图神经网络;结合分子... 详细信息

生物信息分子交换过程存在复杂的量子互斥相互作用,使得分子性质预测难以实现。以图神经网络为基础,提出一种基于分子结构图数据的分子性质预测方法。将由顶点-边结构组成的不同种类图形数据作为神经网络输入,构建图神经网络;结合分子结构图的不规则特征与复杂性,利用傅里叶变换方法在图神经网络中引入谱卷积,完成节点的傅里叶域转换,得到图卷积神经网络。通过融合分子结构图、聚合原子邻域信息、更新原子结构,实现分子性质的预测。实验结果证明了所提方法具有高预测精度,且规模数据集处理能力较强,分子预测的泛化性与迁移性的优越性显著。

关键词：图卷积神经网络聚合更新内部传输机制分子结构图分子性质预测傅里叶变换

来源：评论

学校读者我要写书评

暂无评论

基于LL-GG-LG Net的CT和PET医学图像融合

引用

光学精密工程 2023年第20期31卷 3050-3064页

作者：周涛张祥祥陆惠玲李琦程倩茹北方民族大学计算机科学与工程学院宁夏银川750021 北方民族大学图像图形智能处理国家民委重点实验室宁夏银川750021 宁夏医科大学医学信息工程学院宁夏银川750004

多模态医学图像融合在医学临床应用中起着至关重要的作用,为了解决现有方法大多数侧重于局部特征的提取,对全局依赖关系的探索不足,忽略了全局和局部信息交互,导致难以有效解决周围组织与病灶区域之间的模式复杂性和强度相似性问题。该... 详细信息

多模态医学图像融合在医学临床应用中起着至关重要的作用,为了解决现有方法大多数侧重于局部特征的提取,对全局依赖关系的探索不足,忽略了全局和局部信息交互,导致难以有效解决周围组织与病灶区域之间的模式复杂性和强度相似性问题。该文提出面向PET和CT医学图像融合的LL-GG-LG Net模型。首先,提出了局部-局部融合模块(Local-Local Fusion Module,LL Module),该模块采用双层注意力机制更好地关注局部细节信息特征;其次,设计了全局-全局融合模块(Global-Global Fusion Module,GG Module),该模块通过在Swin Transformer中加入残差连接机制将局部信息引入全局信息中,提高了Transformer对局部信息的关注程度;然后,提出一种基于可微分神经架构搜索自适应的密集融合网络的局部-全局融合模块(Local-Global Fusion Module,LG Module),充分捕获全局关系并保留局部线索,有效解决背景和病灶区域相似度高问题;使用临床多模态肺部医学图像数据集验证模型的有效性,实验结果表明,该文方法在平均梯度,边缘强度,QAB/F,空间频率,标准差,信息熵等感知图像融合质量评价指标上与其他七种方法中最优的方法相比,分别平均提高了21.5%,11%,4%,13%,9%,3%。模型能够突出病变区域信息,融合图像结构清晰且纹理细节丰富。

关键词：医学图像融合深度学习注意力机制可微分架构搜索密集网

来源：评论

学校读者我要写书评

暂无评论

多尺度融合增强的纵膈淋巴结超声弹性图像分割

引用

中国图象图形学报 2024年第3期29卷 670-685页

作者：周奇杨行田传耕唐璐惠雨徐州医科大学医学影像学院徐州221004 中国矿业大学信息与控制工程学院徐州221116 徐州工程学院信息工程学院(大数据学院) 徐州221018

目的支气管超声弹性成像具有丰富的通道语义信息,精准的分割纵膈淋巴结对诊断肺癌是否转移具有重要意义,也对癌症的分期和治疗有着重要作用。目前,超声弹性图像分割研究较少,没有充分挖掘图像通道特征之间的关系。因此,提出一种结合注... 详细信息

目的支气管超声弹性成像具有丰富的通道语义信息,精准的分割纵膈淋巴结对诊断肺癌是否转移具有重要意义,也对癌症的分期和治疗有着重要作用。目前,超声弹性图像分割研究较少,没有充分挖掘图像通道特征之间的关系。因此,提出一种结合注意力机制的多尺度融合增强的纵膈淋巴结超声弹性图像分割U-Net(attention-based multi-scale fusion enhanced ultrasound elastic images segmentation network for mediastinal lymph node,AMFE-UNet)。方法首先,考虑到图像可以提供纵膈淋巴结的位置和通道信息,设计密集卷积网络(dense convolutional network,DenseNet)作为模型编码器;其次,结合注意力机制和空洞卷积设计多尺度融合增强解码器,从多尺度和范围对结节的边界和纹理进行建模;最后,用选择性内核网络设计跳跃连接,将编码器的中间特征与解码器的输出特征充分融合。根据解码器特征进行数值或通道融合的方式不同,将AMFE-UNet分为A和B两个子型。结果在超声弹性图像数据集上进行对比实验与验证。结果表明AMFE-UNet平均Dice系数达到86.593%,较U-Net提升了1.986%;相较于对比模型,AMFE-UNet A在Dice、精确度和特异度指标上均达到了最优;AMFE-UNet B在交并比、灵敏度和豪斯多夫距离指标上也达到最优。消融实验和可视化分析表明提出的改进方法具有明显的提升效果。结论本文通过密集卷积网络设计分割模型编码器,并利用通道注意力机制优化模型特征恢复和连接过程,在超声弹性图像中获得了良好的纵膈淋巴结分割效果,具有较高的临床应用价值。代码链接:https://***/Philo-github/AMFE-UNet。

关键词：超声弹性成像(UE) 纵膈淋巴结实例分割 U-Net 通道注意力机制

来源：评论

学校读者我要写书评

暂无评论

图学习隐私与安全问题研究综述

引用

计算机学报 2023年第6期46卷 1184-1212页

作者：先兴平吴涛乔少杰吴渝刘宴兵重庆市网络空间与信息安全重点实验室重庆400065 重庆邮电大学网络空间安全与信息法学院重庆400065 成都信息工程大学软件工程学院成都610225 重庆医科大学医学信息学院重庆400016

虽然海量的现实需求为人工智能提供了广阔的应用场景,但要求人工智能系统适应复杂的计算环境.然而,传统人工智能算法的研究都假设其应用环境是安全可控的.大量研究和实践工作表明当前的人工智能技术普遍对外在风险考虑不足,相关数据和... 详细信息

虽然海量的现实需求为人工智能提供了广阔的应用场景,但要求人工智能系统适应复杂的计算环境.然而,传统人工智能算法的研究都假设其应用环境是安全可控的.大量研究和实践工作表明当前的人工智能技术普遍对外在风险考虑不足,相关数据和模型算法存在隐私与安全风险.由于人工智能安全的现实需求以及图学习的巨大影响,图学习的隐私与安全问题成为当前图学习领域面临的重要挑战.为此,研究人员近年来从图学习系统的各个环节出发对图学习隐私与安全问题进行了研究,提出了相关的攻击和防御方法.本综述首先阐述研究图学习隐私与安全的重要意义,然后介绍图学习系统的基本过程、图学习面临的主要隐私与安全威胁以及图学习的隐私与安全特性;在上述基础上,分别从图数据隐私、图数据安全、图模型隐私和图模型安全四个方面对现有研究工作进行系统的归纳总结,讨论主要成果和不足;最后,介绍相关的开放资源,并从数据特征、解释性、研究体系和实际应用等方面探讨面临的挑战和未来的研究方向.

关键词：图挖掘图学习安全可信隐私保护对抗攻击

来源：评论

学校读者我要写书评

暂无评论

基于梯度的优化算法研究

引用

现代计算机 2019年第17期25卷 3-8,15页

作者：常永虎李虎阳遵义医科大学医学信息工程学院

所有以数据驱动的算法最终都被转化为一个优化问题,而梯度下降类算法是解决优化问题的一种非常流行的方法。梯度下降类算法经过很长一段时间的发展,在梯度计算、步长计算等方面提出多种新算法,这些方法没有绝对的孰优孰劣,而且在实际应... 详细信息

所有以数据驱动的算法最终都被转化为一个优化问题,而梯度下降类算法是解决优化问题的一种非常流行的方法。梯度下降类算法经过很长一段时间的发展,在梯度计算、步长计算等方面提出多种新算法,这些方法没有绝对的孰优孰劣,而且在实际应用当中常常被当作黑箱使用。介绍梯度下降类算法的具体计算方法和每种算法所解决的主要问题,并通过可视化的方式呈现不同梯度下降算法在同一问题中的表现,最终指出梯度优化算法的选择策略。

关键词：梯度下降法优化算法机器学习

来源：评论

学校读者我要写书评

暂无评论

肺癌组织间插植放疗患者靶区运动对脊髓最大剂量的影响

引用

中华肿瘤防治杂志 2021年第12期28卷 934-937,943页

作者：杨波庞皓文刘小龙陈仁金张广鹏韩云炜西南医科大学附属医院肿瘤科四川泸州646000 西南医科大学医学信息与工程学院四川泸州646000

目的研究肺癌的铱源后装近距离组织间插植照射中靶区的运动对于脊髓剂量的影响。方法以西南医科大学附属医院肿瘤科2016-01-01-2017-01-31收治的10例铱源后装近距离组织间插植照射肺癌患者CT影像资料为基础,分别对每一组CT影像资料勾画... 详细信息

目的研究肺癌的铱源后装近距离组织间插植照射中靶区的运动对于脊髓剂量的影响。方法以西南医科大学附属医院肿瘤科2016-01-01-2017-01-31收治的10例铱源后装近距离组织间插植照射肺癌患者CT影像资料为基础,分别对每一组CT影像资料勾画9个半径为5 mm的圆柱体模拟脊髓,并设置圆柱体与临床靶区体积(CTV)的距离分别为0、5、10、15、20、25、30、40和50 mm,用于模拟脊髓的距离变化。在SPSS 19.0中采用线性、二次项和指数3种拟合方式分别拟合模拟脊髓最大剂量(Dmax)与随距离变化的曲线,对回归方程和回归参数分别进行F检验和t检验,并比较拟合优度R2。采用积分的方式分析靶区运动对于脊髓剂量的影响。结果 CTV的D95%平均值为(10 054.63±17.52) cGy(10 029.17~10 086.01 cGy),Dmax线性拟合公式为y=-146.17x+6 808.50(R2=0.65,P<0.01),Dmax二次项拟合公式为y=4.75x2-380.24+8 517.08(R2=0.81,P<0.01),Dmax指数拟合公式为y=7708.44e-0.046x(R2=0.90,P<0.01)。脊髓和靶区距离的估算误差会影响Dmax,当距离误差达到1 mm或-1 mm时,对Dmax的影响可达-4.71%和4.50%。同时,靶区运动也会影响Dmax,当运动幅度分别为1、2、3、5、10 mm时,Dmax的影响分别为0.05%、0.21%、0.48%、1.32%和5.29%。结论利用铱源后装机开展肺部肿瘤近距离组织间插植照射时,只读取计划系统中脊髓Dmax进行脊髓剂量的安全评估存在缺陷。评价脊髓Dmax时,应该充分考虑CT图像中靶区运动相位和幅度等因素的影响。

关键词：肺癌靶区运动近距离插植放疗脊髓

来源：评论

学校读者我要写书评

暂无评论

基于密集交互式融合Mask RCNN的肺部PET/CT图像实例分割

引用

生物医学工程学杂志 2024年第3期41卷 527-534页

作者：周涛赵雅楠陆惠玲王亚星支力佳北方民族大学计算机科学与工程学院银川750021 宁夏医科大学医学信息工程学院银川750004 北方民族大学图像图形智能处理国家民委重点实验室银川750021

正电子发射断层显像/X线计算机体层成像(PET/CT)肺部图像中存在病灶区域特征像素信息少、形状复杂多样,病变与周围组织界限模糊等问题,导致模型对肿瘤病变特征提取不充分。针对上述问题,本文提出基于密集交互式融合Mask RCNN(DIF-Mask R... 详细信息

正电子发射断层显像/X线计算机体层成像(PET/CT)肺部图像中存在病灶区域特征像素信息少、形状复杂多样,病变与周围组织界限模糊等问题,导致模型对肿瘤病变特征提取不充分。针对上述问题,本文提出基于密集交互式融合Mask RCNN(DIF-Mask RCNN)实例分割模型。首先设计具有跨尺度主辅结构的特征提取网络,提取出不同尺度病灶特征;然后设计密集交互式增强辅助网络(DIFEN),通过将最浅层病变特征以密集连接形式与邻近特征、当前特征进行交互融合,增强深层特征图中病灶细节信息;最后构建密集交互式融合金字塔网络(DIF-FPN),在自下而上路径中将浅层信息逐个以密集连接方式补充到深层特征中,进一步加强模型对病变区域的微弱特征感知力。在临床PET/CT肺部图像数据集上进行消融实验和对比实验,结果表明所提模型对于病变区域实例分割的APdet、APseg、APdet_s、APseg_s指标分别为67.16%、68.12%、34.97%、37.68%,与Mask RCNN(ResNet50)相比在APdet和APseg指标上分别提升7.11%、5.14%。DIF-Mask RCNN模型能够有效检测分割肿瘤病变,为肺癌辅助诊断提供重要的参考价值与评估依据。

关键词：正电子发射断层显像/X线计算机体层成像实例分割交互式融合密集连接 MaskRCNN

来源：评论

学校读者我要写书评

暂无评论

基于改进EfficientNetV2的脑胶质瘤IDH1突变状态预测方法

引用

山东大学学报（理学版） 2023年第7期58卷 60-66页

作者：徐华畅许倩赵钰琳梁峰宁徐凯朱红徐州医科大学医学信息与工程学院江苏徐州221000 徐州医科大学附属医院医学影像科江苏徐州221000

提出了一种基于改进EfficientNetV2的脑胶质瘤IDH1突变状态预测方法。首先使用k-means聚类算法为无标签的脑胶质瘤MRI数据标注伪标签,并使用Vision Transformer网络对伪标签进行修正,实现脑胶质瘤数据扩增;其次将坐标注意力机制加入Effi... 详细信息

提出了一种基于改进EfficientNetV2的脑胶质瘤IDH1突变状态预测方法。首先使用k-means聚类算法为无标签的脑胶质瘤MRI数据标注伪标签,并使用Vision Transformer网络对伪标签进行修正,实现脑胶质瘤数据扩增;其次将坐标注意力机制加入EfficientNetV2模型,同时使用果蝇优化算法为模型训练过程中的伪标签数据赋予最优的权重;最后对脑胶质瘤IDH1突变状态进行分类,达到了96.32%的预测准确率。实验结果表明,本文方法能够在术前无创的情况下准确地预测脑胶质瘤IDH1突变状态。

关键词： EfficientNetV2 脑胶质瘤IDH1 k-means聚类伪标签果蝇优化算法

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：