公共文化服务平台

搜索到1003篇“ 多示例学习“的相关文章

基于多示例学习与多尺度特征融合的阿尔茨海默病分类诊断模型: 2025年; 阿尔茨海默症(AD)分类模型通常会将整张大脑影像分割为体素块,并为之赋予与整张影像一致的标签,但并非每个体素块都与疾病密切相关。为此,本研究提出了基于弱监督多示例学习(MIL)和多尺度特征融合的AD辅助诊断框架,并从体素块内部、体素块之间以及高置信度体素块三个方面设计框架。首先利用三维卷积神经网络并融入多视角网络,提取体素块内部的深层次特征;再通过位置编码和注意力机制捕捉体素块间的空间关联信息;最后筛选高置信度体素块并结合多尺度信息融合策略,整合关键特征用于分类决策。模型分别在AD神经成像倡议(ADNI)数据集和开放获取系列成像研究(OASIS)数据集上进行性能评估。实验结果表明,所提框架在AD分类以及轻度认知障碍转化分类两项任务中,相较于其他主流框架,ACC及AUC分别平均提升了3%和4%,且可寻找到触发疾病的关键体素块,为AD辅助诊断提供了有效依据。; 曾安帅志富潘丹林劲芝; 关键词：阿尔茨海默症多示例学习多尺度

一种基于深度多示例学习的磁异常检测方法: 本发明实施例提供了一种检测海底磁目标的磁异常检测算法，包括：通过船只拖曳大型通电线圈，对测量区域进行充磁处理，充磁完成后使用磁场测量仪器对目标区域进行磁场数据采集，得到磁场数据集，并对采集的磁场数集据进行数据预处理；进行...; 徐婕妤甘跃文于付强莘明星宋森兆

基于跨尺度多示例学习的非小细胞肺癌亚型分类方法及分类系统: 本发明公开了基于跨尺度多示例学习的非小细胞肺癌亚型分类方法及分类系统，涉及图像处理技术领域。包括：S1：采集多张全切片图像；S2：对所述全切片图像进行预处理，得到初始数据集；S3：基于初始数据集构建CFAMIL模型，所述...; 姜佩贺陈维龙关姝睿

一种基于多示例学习的工业互联网专利识别方法: 本发明涉及一种基于多示例学习的工业互联网专利识别方法，利用自然语言处理技术，将专利中的摘要信息切分成句子，并利用基于句子关系图的文本主题句抽取算法来抽取摘要中的主题句，可以有效减少计算开销。同时通过结合标题和摘要中抽取的...; 陈信俞东进蔡鑫鑫徐忆航

ABMIL-BiGRU:基于双向门控循环注意力多示例学习的乳腺癌淋巴结转移可解释性预测: 2025年; 针对千兆像素乳腺癌病理全切片图像分类和病灶定位的问题,提出基于双向门控循环注意力多示例学习(ABMIL-BiGRU)模型对H&E染色的乳腺癌淋巴结转移图像进行可解释性预测。该方法通过两个正交的双向门控循环单元分别建立图像块行方向和列方向特征间的长短距离依赖关系,从而实现图像块空间位置和上下文信息的嵌入,再通过注意力多示例池化来量化每个特征表示的注意力分数,从而实现全切片图像级特征聚合并生成可解释性热图。研究结果表明,ABMIL-BiGRU模型在乳腺癌转移数据集上的平均准确率和AUC值分别为0.9186和0.9467,不仅实现全切片图像的高精度预测和感兴趣区域定位,而且还提供图像块级别的人类可解释的特征,该模型在一定程度上解决了“准确性-可解释性权衡”问题,其优越性能为计算机辅助诊断和智能系统的临床应用提供新的范式。; 李波杨艳斌李帅梁美彦; 关键词：乳腺癌淋巴结转移可解释性

基于多核学习的单分类多示例学习算法: 2024年; 将多核学习引入到单分类多示例学习中,提出了一种基于多核学习的单分类多示例支持向量数据描述算法,解决了多核学习方法在实际应用中多示例数据具有比较复杂分布结构的学习问题。本文算法是将多个示例数据通过多个不同的核函数多核映射到特征空间,在特征空间中通过支持向量数据描述算法构建球形分类器。该算法采用迭代优化框架,首先,根据初始化包中的正示例来优化目标函数以此建立分类器。然后,根据上一步得到的分类器再对包中的正示例的标签进行更新。最后,在Corel、VOC 2007和Messidor数据集上的实验结果表明,所提出的算法比单核多示例方法具有更好的性能,进一步验证了算法的可行性和有效性。; 古慧敏肖燕珊刘波; 关键词：多核学习支持向量数据描述多示例学习

基于多模态多示例学习的免疫介导性肾小球疾病自动分类方法: 2024年; 目的探讨如何利用多模态深度学习方法,联合光学显微镜(OM)、免疫荧光显微镜(IM)及透射电子显微镜(TEM)对应的3种图像进行免疫介导性肾小球疾病分类。方法基于273例患者的病理图像进行回顾性研究,构建多模态多示例模型对3种免疫介导性的肾小球疾病——免疫球蛋白A肾病(IgAN)、膜性肾病(MN)、狼疮性肾炎(LN)进行分类。该模型采用示例水平的多示例学习(I-MIL)方法挑选患者的TEM图像并与同一患者的OM图像和IM图像进行多模态特征融合。通过该模型与单模态、双模态模型的比较,探究3种模态之间的不同组合形式以及模态特征融合方式的特性。结果联合OM、IM以及TEM图像建立的多模态多示例模型准确率为(88.34±2.12)%,优于准确率为(87.08±4.25)%的最优的单模态模型,以及准确率为(87.92±3.06)%的最优的双模态模型。结论本研究成功建立基于OM、IM及TEM三种模态图像的多模态多示例模型,并验证了采用多示例学习结合多模态学习方法对免疫介导性肾小球疾病分类的有效性。; 龙楷兴翁丹仪耿舰路艳蒙周志涛曹蕾; 关键词：肾活检病理肾小球疾病多模态融合多示例学习

多示例学习的簇频繁性分析及双角度融合嵌入: 2024年; 多示例学习(Multi-Instance Learning,MIL)的训练数据是由若干个未带标记的示例组成的带标记的包,基于嵌入的方法,通过将包嵌入成单向量来解决包表示问题,然而大部分现有方法忽略了示例与包的联系,难以保证所选示例的代表性.同时,单角度的嵌入方法无法有效地提取正、负包的差异信息,使嵌入向量的质量较差.提出一种多示例学习的簇频繁性分析及双角度融合嵌入(FADE).簇频繁性分析技术从正、负子空间中分别筛选部分示例作为子空间的簇心,依据簇心将子空间聚类成簇,再计算簇频繁性指标,选择频繁性较高的簇的簇心组成子空间代表示例集.双角度融合嵌入技术基于正、负子空间代表示例集和差值嵌入函数,分别从正、负角度挖掘信息,融合两个角度信息获得最终的嵌入向量.在29个数据集上与七个MIL算法进行了对比实验,结果表明,FADE的分类准确率总体上优于七个对比算法,在图像数据集上有显著优势,在文本和网页数据集上也表现良好.; 杨梅张靖宇闵帆闵帆; 关键词：多示例学习嵌入方法

基于多示例学习的多尺度组织病理图像分析网络的设计与实现: 病理图像分析是癌症诊断的重要步骤,被认为是疾病诊断的“金标准”。数字病理和深度学习的结合,使得病理图像能够进行定量化分析和自动化识别,既减少病理医生的工作量,又提高诊断的准确性。目前已经提出了一系列基于数字化全视野切片(...; 刘昀瓒; 关键词：病理图像分析多示例学习

采用双阶段多示例学习网络的语音情感识别被引量：1: 2024年; 在语音情感识别任务中,当处理不同时长的语音信号时,通常将每句语音信号分割成若干等长片段,然后根据所有片段预测结果的平均值来获得最终的情感分类。然而,这种处理方法要求用户的情绪表达在整个语音信号中是均匀分布的,但是这并不符合实际情况。针对上述问题,提出一种采用双阶段多示例学习网络的语音情感识别方法。第一阶段,将每句语音信号视为“包”,并将其分割成若干等长片段。每个语音片段视为“示例”,并提取多种声学特征,输入到相应的局部声学特征编码器,学习出各自对应的深度特征向量。然后,使用一致性注意力对不同的声学特征进行特征交互和增强。第二阶段,设计一个基于多示例学习的混合聚合器,用于在全局尺度上融合示例预测和示例特征,计算“包”级预测得分。提出一种示例蒸馏模块,用于过滤情感信息较弱的冗余示例。将蒸馏结果组成伪包,采用一种自适应特征聚合策略对伪包进行特征聚合,并通过分类器获得预测结果。将示例级和伪包预测结果进行自适应决策聚合,以获得最终的情感分类结果。该方法在IEMOCAP和MELD公开数据集分别获得73.02%和44.92%的识别率,实验结果表明了该方法的有效性。; 张石清张石清赵小明; 关键词：语音情感识别多示例学习

加载更多 ∨

相关作者

用户反馈

相关作者

用户登录

用户反馈