期刊导航
期刊开放获取
上海教育软件发展有限公..
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
3
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式：
文摘
详细
列表
相关度排序
被引量排序
时效性排序
融合先验知识的连边功能连接震后PTSD分类方法
1
作者
罗昌宇
张俊然
+3 位作者
莫贤
朱鸿儒
孙昂
伍雅嘉
《南京大学学报(自然科学版)》
CSCD
北大核心
2024年第5期793-803,共11页
在临床上提取创伤后应激障碍诊断(Post-Traumatic Stress Disorder,PTSD)患者的特异性神经影像特征同时构建其分类诊断模型具有重要意义.与传统的神经影像分类模型相比,提出了利用先验知识仅提取重要脑区信息以减少大量含噪信号,同时将...
在临床上提取创伤后应激障碍诊断(Post-Traumatic Stress Disorder,PTSD)患者的特异性神经影像特征同时构建其分类诊断模型具有重要意义.与传统的神经影像分类模型相比,提出了利用先验知识仅提取重要脑区信息以减少大量含噪信号,同时将传统功能连接替换成连边功能连接进行特征提取,并提出递归特征消除-多层感知机(Recursive Feature Elimination-Multilayer Perceptron,RFE-MLP)分类模型,以提高地震后PTSD与地震后非PTSD对照组的分类诊断准确性.首先,针对全脑中有大量含噪信号,利用先验知识提取PTSD相关脑区,着重于地震后PTSD相关脑区的特征构建;其次,利用连边功能连接替换传统的节点功能连接,以获得大脑功能连接的高阶特征信息;最后,提出了RFE-MLP分类诊断模型,自适应学习模型权重信息,提高地震后PTSD的诊断准确率.实验结果显示,在五折交叉验证下对地震后PTSD患者与地震后健康对照组的静息态功能磁共振数据(Resting-State Functional Magnetic Resonance Imaging,rs-fMRI)的分类准确性(Accuracy,ACC)、敏感度(Sensitivity,SEN)、特异性(Specificity,SPE)和ROC曲线下面积(Area under Curve,AUC)分别达到92.5%,93.5%,92.1%和94.8%,且发现左额中回(Frontal_Mid_L)与地震后PTSD严重程度相关性最高.研究结果证明,该方法能够从磁共振数据中提取更多的关键特征信息,提高了地震后PTSD的分类诊断准确率,有利于找到PTSD的特异性脑区.该方法可以进一步用于其他PTSD类型的分类诊断和特异性脑区定位.
展开更多
关键词
PTSD
连边功能连接
RFE-MLP
rs-fMRI
在线阅读
下载PDF
职称材料
基于U型结构的多尺度皮肤病分割算法
被引量：
5
2
作者
李家琛
刘彦
+1 位作者
王一诺
张俊然
《计算机工程与设计》
北大核心
2023年第1期59-65,共7页
针对皮肤病灶的形态不一、边缘模糊导致分割精度不高的问题,提出一种基于U型结构的多尺度网络,利用密集空洞空间金字塔池化模块扩大感受野,得到全局多尺度信息,在跳跃连接中加入双向卷积LSTM(BConv-LSTM),融合特征信息,通过注意力机制...
针对皮肤病灶的形态不一、边缘模糊导致分割精度不高的问题,提出一种基于U型结构的多尺度网络,利用密集空洞空间金字塔池化模块扩大感受野,得到全局多尺度信息,在跳跃连接中加入双向卷积LSTM(BConv-LSTM),融合特征信息,通过注意力机制使网络自动学习各通道之间的关系,实现病灶的精准分割。实验结果表明,该方法在皮肤病分割中表现良好,算法的Dice系数达到0.895,比U-net和U-net++分别提高了4.32%和3.23%。未来有望应用于临床,提升医生诊断黑色素瘤和更多皮肤疾病的效率。
展开更多
关键词
皮肤病
病灶分割
深度学习分割网络
黑色素瘤
上下文信息
空洞卷积
CNN
在线阅读
下载PDF
职称材料
基于Prompt学习的无监督关系抽取模型
3
作者
黄梦林
段磊
+2 位作者
张袁昊
王培妍
李仁昊
《计算机应用》
CSCD
北大核心
2023年第7期2010-2016,共7页
无监督关系抽取旨在从无标签的自然语言文本中抽取实体之间的语义关系。目前,基于变分自编码器(VAE)架构的无监督关系抽取模型通过重构损失提供监督信号来训练模型,这为完成无监督关系抽取任务提供了新思路。针对此类模型无法有效地理...
无监督关系抽取旨在从无标签的自然语言文本中抽取实体之间的语义关系。目前,基于变分自编码器(VAE)架构的无监督关系抽取模型通过重构损失提供监督信号来训练模型,这为完成无监督关系抽取任务提供了新思路。针对此类模型无法有效地理解上下文信息、依赖数据集归纳偏置的问题,提出基于Prompt学习的无监督关系抽取(PURE)模型,其中包括关系抽取和链接预测两个模块。在关系抽取模块中设计了上下文感知的Prompt模板函数以融入上下文信息,并将无监督关系抽取任务转换为掩码预测任务,从而充分利用预训练阶段获得的知识完成关系抽取。在链接预测模块中则通过预测关系三元组中的缺失实体提供监督信号联合训练两个模块。在两个公开真实关系抽取数据集上进行了大量实验,得到的结果表明PURE模型能有效利用上下文信息并且不依赖数据集归纳偏置,相较于目前最优的基于VAE架构的模型UREVA(Variational Autoencoder-based Unsupervised Relation Extraction model)在NYT数据集上的B-cubed F1指标上提升了3.3个百分点。
展开更多
关键词
无监督关系抽取
Prompt学习
变分自编码器
预训练语言模型
无监督学习
在线阅读
下载PDF
职称材料
题名
融合先验知识的连边功能连接震后PTSD分类方法
1
作者
罗昌宇
张俊然
莫贤
朱鸿儒
孙昂
伍雅嘉
机构
四川大学
电气工程学院
四川大学
“医学
+
信息”
中心
四川大学
华西医院
出处
《南京大学学报(自然科学版)》
CSCD
北大核心
2024年第5期793-803,共11页
基金
国家自然科学基金“数学与医疗健康交叉”重点专项(12126606)及联合项目琶洲实验室(黄埔)研发项目(2023K0605)
四川大学“医学+信息”中心融合创新项目(YGJC012)
+3 种基金
四川省科技计划(23ZDYF2913)
德阳科技(揭榜)项目(2021JBJZ007)
四川大学华西医院临床研究创新项目(2019HXCX03)
智能电网四川省重点实验室应急重点项目(020IEPG-KL-20YJ01)
文摘
在临床上提取创伤后应激障碍诊断(Post-Traumatic Stress Disorder,PTSD)患者的特异性神经影像特征同时构建其分类诊断模型具有重要意义.与传统的神经影像分类模型相比,提出了利用先验知识仅提取重要脑区信息以减少大量含噪信号,同时将传统功能连接替换成连边功能连接进行特征提取,并提出递归特征消除-多层感知机(Recursive Feature Elimination-Multilayer Perceptron,RFE-MLP)分类模型,以提高地震后PTSD与地震后非PTSD对照组的分类诊断准确性.首先,针对全脑中有大量含噪信号,利用先验知识提取PTSD相关脑区,着重于地震后PTSD相关脑区的特征构建;其次,利用连边功能连接替换传统的节点功能连接,以获得大脑功能连接的高阶特征信息;最后,提出了RFE-MLP分类诊断模型,自适应学习模型权重信息,提高地震后PTSD的诊断准确率.实验结果显示,在五折交叉验证下对地震后PTSD患者与地震后健康对照组的静息态功能磁共振数据(Resting-State Functional Magnetic Resonance Imaging,rs-fMRI)的分类准确性(Accuracy,ACC)、敏感度(Sensitivity,SEN)、特异性(Specificity,SPE)和ROC曲线下面积(Area under Curve,AUC)分别达到92.5%,93.5%,92.1%和94.8%,且发现左额中回(Frontal_Mid_L)与地震后PTSD严重程度相关性最高.研究结果证明,该方法能够从磁共振数据中提取更多的关键特征信息,提高了地震后PTSD的分类诊断准确率,有利于找到PTSD的特异性脑区.该方法可以进一步用于其他PTSD类型的分类诊断和特异性脑区定位.
关键词
PTSD
连边功能连接
RFE-MLP
rs-fMRI
Keywords
PTSD
edge-centric functional connectivity
RFE-MLP
rs-fMRI
分类号
TP391 [自动化与计算机技术—计算机应用技术]
在线阅读
下载PDF
职称材料
题名
基于U型结构的多尺度皮肤病分割算法
被引量：
5
2
作者
李家琛
刘彦
王一诺
张俊然
机构
四川大学
电气工程学院
四川大学
“医学
+
信息”
中心
出处
《计算机工程与设计》
北大核心
2023年第1期59-65,共7页
基金
国家自然科学基金项目(61902264)
川大自贡校地合作基金项目(2018CDZG-19)
+2 种基金
华西医院135交叉学科创新基金项目(ZYJC21041)
智能电网四川省重点实验室应急重点基金项目(2020IEPGKL-20YJ01)
四川大学“医学+信息”中心融合创新基金项目(YGJC012)。
文摘
针对皮肤病灶的形态不一、边缘模糊导致分割精度不高的问题,提出一种基于U型结构的多尺度网络,利用密集空洞空间金字塔池化模块扩大感受野,得到全局多尺度信息,在跳跃连接中加入双向卷积LSTM(BConv-LSTM),融合特征信息,通过注意力机制使网络自动学习各通道之间的关系,实现病灶的精准分割。实验结果表明,该方法在皮肤病分割中表现良好,算法的Dice系数达到0.895,比U-net和U-net++分别提高了4.32%和3.23%。未来有望应用于临床,提升医生诊断黑色素瘤和更多皮肤疾病的效率。
关键词
皮肤病
病灶分割
深度学习分割网络
黑色素瘤
上下文信息
空洞卷积
CNN
Keywords
skin lesions
lesion segmentation
U-net
melanoma
context information
dilated convolution
CNN(convolutional neural networks)
分类号
TP391 [自动化与计算机技术—计算机应用技术]
在线阅读
下载PDF
职称材料
题名
基于Prompt学习的无监督关系抽取模型
3
作者
黄梦林
段磊
张袁昊
王培妍
李仁昊
机构
四川大学
计算机学院
四川大学
“医学
+
信息”
中心
出处
《计算机应用》
CSCD
北大核心
2023年第7期2010-2016,共7页
基金
国家自然科学基金资助项目(61972268)
四川大学“医学+信息”中心融合创新项目(YGJC001)。
文摘
无监督关系抽取旨在从无标签的自然语言文本中抽取实体之间的语义关系。目前,基于变分自编码器(VAE)架构的无监督关系抽取模型通过重构损失提供监督信号来训练模型,这为完成无监督关系抽取任务提供了新思路。针对此类模型无法有效地理解上下文信息、依赖数据集归纳偏置的问题,提出基于Prompt学习的无监督关系抽取(PURE)模型,其中包括关系抽取和链接预测两个模块。在关系抽取模块中设计了上下文感知的Prompt模板函数以融入上下文信息,并将无监督关系抽取任务转换为掩码预测任务,从而充分利用预训练阶段获得的知识完成关系抽取。在链接预测模块中则通过预测关系三元组中的缺失实体提供监督信号联合训练两个模块。在两个公开真实关系抽取数据集上进行了大量实验,得到的结果表明PURE模型能有效利用上下文信息并且不依赖数据集归纳偏置,相较于目前最优的基于VAE架构的模型UREVA(Variational Autoencoder-based Unsupervised Relation Extraction model)在NYT数据集上的B-cubed F1指标上提升了3.3个百分点。
关键词
无监督关系抽取
Prompt学习
变分自编码器
预训练语言模型
无监督学习
Keywords
unsupervised relation extraction
Prompt learning
Variational Auto-Encoder(VAE)
Pre-trained Language Model(PLM)
unsupervised learning
分类号
TP391 [自动化与计算机技术—计算机应用技术]
在线阅读
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
融合先验知识的连边功能连接震后PTSD分类方法
罗昌宇
张俊然
莫贤
朱鸿儒
孙昂
伍雅嘉
《南京大学学报(自然科学版)》
CSCD
北大核心
2024
0
在线阅读
下载PDF
职称材料
2
基于U型结构的多尺度皮肤病分割算法
李家琛
刘彦
王一诺
张俊然
《计算机工程与设计》
北大核心
2023
5
在线阅读
下载PDF
职称材料
3
基于Prompt学习的无监督关系抽取模型
黄梦林
段磊
张袁昊
王培妍
李仁昊
《计算机应用》
CSCD
北大核心
2023
0
在线阅读
下载PDF
职称材料
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部
