检索结果-维普期刊中文期刊服务平台

人工智能辅助分析技术在子宫颈细胞癌前病变筛查中的应用价值被引量：9: 1; 作者胡爱侠朱琳 +8 位作者贺慧胡金星王榭延李道宏靳钰炜洪帆孔令非杨志明温洲《临床与实验病理学杂志》 CAS CSCD 北大核心 2022年第1期27-30,共4页; 目的探讨人工智能辅助分析技术在子宫颈细胞癌前病变筛查中的应用价值。方法使用人工智能细胞学辅助阅片系统对86000例涂片进行分析,并与原诊断结果进行对比分析,统计其特异性、敏感性等指标,同时分析人工智能细胞学辅助阅片系统的分级... 展开更多; 关键词子宫颈液基细胞学人工智能辅助分析技术子宫颈细胞癌前病变筛查; 在线阅读下载PDF 职称材料

人工智能辅助分析在宫颈液基薄层细胞学检查中的应用价值被引量：23: 2; 作者李雪石中月 +2 位作者杨志明庞文博金木兰《首都医科大学学报》 CAS 北大核心 2020年第3期360-363,共4页; 目的探讨人工智能辅助分析在宫颈液基薄层细胞学检查中的应用价值。方法选取首都医科大学附属北京朝阳医院病理科1 000例存档的液基薄层宫颈细胞涂片作为标准样例,通过深思考人工智能机器人科技(北京)有限公司研发的人工智能系统辅助检... 展开更多; 关键词宫颈细胞学宫颈癌筛查人工智能辅助分析; 在线阅读下载PDF 职称材料

基于对比学习多级特征融合的尿路上皮细胞分类方法: 3; 作者王雪艳杨志明 +2 位作者宋姚姚王学卿李亚伟《计算机辅助设计与图形学学报》北大核心 2025年第5期887-893,共7页; 为应对当前细胞分类方法易受图像质量影响以及标注数据稀缺而导致分类准确率不高的问题,提出一种基于多级特征融合的混合自监督学习方法.首先,多级特征融合模块可在特征提取时同时提取语义特征信息和空间特征信息,以利于识别不同特征形... 展开更多; 关键词细胞分类特征融合对比学习; 在线阅读下载PDF 职称材料

深度学习算法在问句意图分类中的应用研究被引量：13: 4; 作者杨志明王来奇王泳《计算机工程与应用》 CSCD 北大核心 2019年第10期154-160,共7页; 在聊天机器人多轮对话中如何根据上下文理解用户的意图是多轮交互中的一个重点问题,也是一个难点问题。现有的问句理解方法大多是针对单句的,且侧重于某种句式结构的理解。如何根据上下文语境对当前用户的意图进行识别,而不仅仅是针对... 展开更多; 关键词意图识别自然语言处理深度学习分类; 在线阅读下载PDF 职称材料

融合宫颈细胞领域特征的多流卷积神经网络分类算法被引量：15: 5; 作者杨志明李亚伟 +3 位作者杨冰庞文博田泽宁王泳《计算机辅助设计与图形学学报》 EI CSCD 北大核心 2019年第4期531-540,共10页; 细胞分类是宫颈癌计算机辅助诊断研究和应用的关键技术.针对通用深度学习分类算法在细胞分类中缺少领域知识指导这一局限性,提出一种基于数据驱动和宫颈细胞领域知识的多流卷积神经网络分类算法.文中算法以细胞和细胞核图像为输入,通过... 展开更多; 关键词计算机辅助诊断宫颈细胞深度学习卷积神经网络; 在线阅读下载PDF 职称材料

基于双通道卷积神经网络的问句意图分类研究被引量：11: 6; 作者杨志明王来奇王泳《中文信息学报》 CSCD 北大核心 2019年第5期122-131,共10页; 人机对话技术近年来受到学术界和工业界的广泛关注。人机对话系统的一个关键任务就是如何让聊天机器人理解用户的问句意图并将用户的输入正确地分类到相应领域中,其性能直接影响到特定领域的人机对话质量。该文针对对话问句具有句子长... 展开更多; 关键词卷积神经网络自然语言问句理解意图分类词向量字向量; 在线阅读下载PDF 职称材料

基于BiDAF多文档重排序的阅读理解模型被引量：4: 7; 作者杨志明时迎成 +2 位作者王泳潘昊杰毛金涛《中文信息学报》 CSCD 北大核心 2018年第11期117-127,共11页; 随着互联网的兴起和发展,数据规模急速增长,如何利用机器阅读理解技术对海量的非结构化数据进行解析,从而帮助用户快速、准确地查找到满意答案,是目前自然语言理解领域中的一个热门课题。该文通过对机器阅读理解中的深度神经网络模型进... 展开更多; 关键词机器阅读理解多文档投票 ParaRanking; 在线阅读下载PDF 职称材料

题名人工智能辅助分析技术在子宫颈细胞癌前病变筛查中的应用价值被引量：9: 1; 作者胡爱侠朱琳贺慧胡金星王榭延李道宏靳钰炜洪帆孔令非杨志明温洲; 机构河南省人民医院病理科深思考人工智能机器人科技(北京)有限公司; 出处《临床与实验病理学杂志》 CAS CSCD 北大核心 2022年第1期27-30,共4页; 基金河南省重大科技专项项目(161100311400)。; 文摘目的探讨人工智能辅助分析技术在子宫颈细胞癌前病变筛查中的应用价值。方法使用人工智能细胞学辅助阅片系统对86000例涂片进行分析,并与原诊断结果进行对比分析,统计其特异性、敏感性等指标,同时分析人工智能细胞学辅助阅片系统的分级诊断结果。结果人工智能细胞学辅助阅片系统对子宫颈液基涂片的特异性可达74.16%,敏感性高达98.77%,同时对意义不明的非典型鳞状细胞(atypical squamous cells of unknown significance,ASCUS)/非典型鳞状细胞,不除外高度鳞状上皮内病变(atypical squamous cells,excluding highly squamous intraepithelial lesions,ASC-H)/低度鳞状上皮内病变(low-grade squamous intraepithelial lesions,LSIL)细胞具有更高的敏感性。结论人工智能辅助分析技术实现了子宫颈细胞学智能化阅片,细胞学辅助阅片系统的应用有效地提高了病理医师的工作效率和诊断准确率,降低了漏诊风险。; 关键词子宫颈液基细胞学人工智能辅助分析技术子宫颈细胞癌前病变筛查; Keywords cervical liquid based cytology artificial intelligence assisted technology cervical cell precancerous lesions screening; 分类号 R737.33 [医药卫生—肿瘤]; 在线阅读下载PDF 职称材料

题名人工智能辅助分析在宫颈液基薄层细胞学检查中的应用价值被引量：23: 2; 作者李雪石中月杨志明庞文博金木兰; 机构首都医科大学附属北京朝阳医院病理科深思考人工智能机器人科技(北京)有限公司; 出处《首都医科大学学报》 CAS 北大核心 2020年第3期360-363,共4页; 基金北京市自然科学基金(7202056)。; 文摘目的探讨人工智能辅助分析在宫颈液基薄层细胞学检查中的应用价值。方法选取首都医科大学附属北京朝阳医院病理科1 000例存档的液基薄层宫颈细胞涂片作为标准样例,通过深思考人工智能机器人科技(北京)有限公司研发的人工智能系统辅助检查和专业病理医师人工检查两种方式进行多组对比实验,对1 000例涂片的检查结果进行对比,以TBS2014的阳性分级准则,将意义不明的非典型鳞状细胞(atypical squamous cells of undetermined significance,ASC-US)及以上级别作为宫颈癌前病变的阳性标准,统计其灵敏度与特异度等指标,并分析不同检查方式结果的差异。结果人工智能辅助检查和专业病理医师人工检查的结果与病理科存档的判断结果基本一致。人工智能辅助筛查的灵敏度、特异度和准确率分别为100.00%、90.68%和97.80%。结论在人工智能辅助检查基础上结合病理医生的阅片技巧,可有效地减少漏诊的发生,具有高灵敏度与特异度,并能大大减轻医生的工作量。; 关键词宫颈细胞学宫颈癌筛查人工智能辅助分析; Keywords cervical cytology cervical cancer screening artificial intelligence-assisted analysis; 分类号 R737.33 [医药卫生—肿瘤] R446.8 [医药卫生—诊断学]; 在线阅读下载PDF 职称材料

题名基于对比学习多级特征融合的尿路上皮细胞分类方法: 3; 作者王雪艳杨志明宋姚姚王学卿李亚伟; 机构深思考人工智能机器人科技(北京)有限公司; 出处《计算机辅助设计与图形学学报》北大核心 2025年第5期887-893,共7页; 文摘为应对当前细胞分类方法易受图像质量影响以及标注数据稀缺而导致分类准确率不高的问题,提出一种基于多级特征融合的混合自监督学习方法.首先,多级特征融合模块可在特征提取时同时提取语义特征信息和空间特征信息,以利于识别不同特征形态的阳性细胞;其次提出自适应对比损失函数将自监督学习应用在尿脱落细胞分类中,以促进模型可最大化利用已有标注数据;该损失可根据细胞特征间的相似度大小自动调整损失权重,使模型学习更有区分度的高维特征,提高分类准确率.实验采用5折交叉验证方法,结果表明,文中提出的尿脱落细胞分类方法在Ideepwise尿脱落细胞数据集上可达到96.23%的敏感性和97.2%特异性,相比对比方法敏感性提升了2.34个百分点,特异性提升了4.6个百分点.; 关键词细胞分类特征融合对比学习; Keywords cell classification feature fusion comparative learning; 分类号 TP391.41 [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

题名深度学习算法在问句意图分类中的应用研究被引量：13: 4; 作者杨志明王来奇王泳; 机构中国科学院软件研究所中国科学院大学深思考人工智能机器人科技(北京)有限公司; 出处《计算机工程与应用》 CSCD 北大核心 2019年第10期154-160,共7页; 文摘在聊天机器人多轮对话中如何根据上下文理解用户的意图是多轮交互中的一个重点问题,也是一个难点问题。现有的问句理解方法大多是针对单句的,且侧重于某种句式结构的理解。如何根据上下文语境对当前用户的意图进行识别,而不仅仅是针对单轮进行一个个分析,使得对话在一个连续的语境下具备细粒度的理解能力,是一个亟待解决的问题。针对以上问题,提出了一种基于深度学习的自然语言问句多意图分类方法,其中涉及到的用户意图包含闲聊类、音乐类、新闻类、算术类、餐饮类、订票类、天气类、服务类等13类。首先使用自然语言处理的相关技术对多轮对话进行处理分析,识别出其中的关键词,然后使用深度学习方法和分层分类技术构建了二分类和多分类深度学习模型,学习上下文语境和语义关系,共同对用户意图进行识别。通过实验证明了构建的深度学习模型对用户意图识别的准确率分别为94.81%、93.49%。因此,所提方法基本能够解决自然语言问句意图识别的问题。; 关键词意图识别自然语言处理深度学习分类; Keywords intent identification natural language processing deep learning classification; 分类号 TP312 [自动化与计算机技术—计算机软件与理论]; 在线阅读下载PDF 职称材料

题名融合宫颈细胞领域特征的多流卷积神经网络分类算法被引量：15: 5; 作者杨志明李亚伟杨冰庞文博田泽宁王泳; 机构中国科学院软件研究所并行软件与计算科学实验室中国科学院大学深思考人工智能机器人科技(北京)有限公司; 出处《计算机辅助设计与图形学学报》 EI CSCD 北大核心 2019年第4期531-540,共10页; 文摘细胞分类是宫颈癌计算机辅助诊断研究和应用的关键技术.针对通用深度学习分类算法在细胞分类中缺少领域知识指导这一局限性,提出一种基于数据驱动和宫颈细胞领域知识的多流卷积神经网络分类算法.文中算法以细胞和细胞核图像为输入,通过卷积神经网络提取图像特征,并根据宫颈细胞标准分级系统中领域知识提取人工设计特征,最后将上述2种特征进行拼接,并经过全连接层融合,构建适用于细胞分类的多流卷积神经网络.实验结果表明,文中算法在仅使用Alexnet作为基础网络的情况下,在Herlev宫颈细胞图像数据集上的正常与异常细胞的分类准确率达到99%,取得了该数据库上目前最好的分类结果;在Ideepwise数据集上,按照细胞学诊断报告的分级准确率为85%,相比单流网络提升3%.; 关键词计算机辅助诊断宫颈细胞深度学习卷积神经网络; Keywords computer-aided diagnosis cervical cell deep learning convolutional neural networks; 分类号 TP391.41 [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

题名基于双通道卷积神经网络的问句意图分类研究被引量：11: 6; 作者杨志明王来奇王泳; 机构中国科学院软件研究所中国科学院大学深思考人工智能机器人科技(北京)有限公司; 出处《中文信息学报》 CSCD 北大核心 2019年第5期122-131,共10页; 基金国家自然科学基金青年基金(61303155) 中科院2017年度大学生创新实践项目基金(118900FA12); 文摘人机对话技术近年来受到学术界和工业界的广泛关注。人机对话系统的一个关键任务就是如何让聊天机器人理解用户的问句意图并将用户的输入正确地分类到相应领域中,其性能直接影响到特定领域的人机对话质量。该文针对对话问句具有句子长度短、局部特征明显等特点,单通道卷积神经网络(Convolutional Neural Network,CNN)视角单一,不能充分学习到问句的特征信息和语义信息。该文在研究和分析了CNN算法的基础上,提出了意图分类双通道卷积神经网(Intent Classification Dual-channel Convolutional Neural Networks,ICDCNN)算法。该方法首先采用Word2Vec工具和Embedding层进行训练词向量提取问句中的语义信息特征;然后采用两个不同的通道进行卷积运算,一个通道传入字级别的词向量,另一个通道传入词级别的词向量,使用细粒度的字级别词向量协助词级别的词向量捕获自然语言问句中更深层次的语义信息;最后通过设置不同尺寸的卷积核,学习问句内部更深层次的抽象特征。通过对比实验结果表明,该算法在选用的中文实验数据集上取得了较高的准确率,较其他算法具有一定的优势。; 关键词卷积神经网络自然语言问句理解意图分类词向量字向量; Keywords convolutional neural network natural language question understanding in tention classification word level word vector character level word vector; 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BiDAF多文档重排序的阅读理解模型被引量：4: 7; 作者杨志明时迎成王泳潘昊杰毛金涛; 机构中国科学院软件研究所中国科学院大学深思考人工智能机器人科技(北京)有限公司; 出处《中文信息学报》 CSCD 北大核心 2018年第11期117-127,共11页; 基金国家自然科学基金(61303155) 中国科学院2017年度大学生创新实践项目基金(118900FA12); 文摘随着互联网的兴起和发展,数据规模急速增长,如何利用机器阅读理解技术对海量的非结构化数据进行解析,从而帮助用户快速、准确地查找到满意答案,是目前自然语言理解领域中的一个热门课题。该文通过对机器阅读理解中的深度神经网络模型进行研究,构建了RBiDAF模型。首先,通过对DuReader数据集进行数据探索,并对数据进行预处理,从中提取出有利于模型训练的特征。其次在BiDAF模型的基础上提出了基于多文档重排序的RBiDAF机器阅读理解模型,该模型在BiDAF模型四层网络框架的基础上添加了ParaRanking层。其中在ParaRanking层,该文提出了多特征融合的ParaRanking算法,此外在答案预测层,提出了基于先验知识的多答案交叉验证算法,进而对答案进行综合预测。在"2018机器阅读理解技术竞赛"的最终评测中,该模型表现出了不错的效果。; 关键词机器阅读理解多文档投票 ParaRanking; Keywords machine reading comprehension multi-document voting ParaRanking; 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	人工智能辅助分析技术在子宫颈细胞癌前病变筛查中的应用价值	胡爱侠朱琳贺慧胡金星王榭延李道宏靳钰炜洪帆孔令非杨志明温洲	《临床与实验病理学杂志》 CAS CSCD 北大核心	2022	9	在线阅读下载PDF 职称材料
2	人工智能辅助分析在宫颈液基薄层细胞学检查中的应用价值	李雪石中月杨志明庞文博金木兰	《首都医科大学学报》 CAS 北大核心	2020	23	在线阅读下载PDF 职称材料
3	基于对比学习多级特征融合的尿路上皮细胞分类方法	王雪艳杨志明宋姚姚王学卿李亚伟	《计算机辅助设计与图形学学报》北大核心	2025	0	在线阅读下载PDF 职称材料
4	深度学习算法在问句意图分类中的应用研究	杨志明王来奇王泳	《计算机工程与应用》 CSCD 北大核心	2019	13	在线阅读下载PDF 职称材料
5	融合宫颈细胞领域特征的多流卷积神经网络分类算法	杨志明李亚伟杨冰庞文博田泽宁王泳	《计算机辅助设计与图形学学报》 EI CSCD 北大核心	2019	15	在线阅读下载PDF 职称材料
6	基于双通道卷积神经网络的问句意图分类研究	杨志明王来奇王泳	《中文信息学报》 CSCD 北大核心	2019	11	在线阅读下载PDF 职称材料
7	基于BiDAF多文档重排序的阅读理解模型	杨志明时迎成王泳潘昊杰毛金涛	《中文信息学报》 CSCD 北大核心	2018	4	在线阅读下载PDF 职称材料