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
2
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
结合全局信息增强的医学领域命名实体识别研究
被引量：
1
1
作者
要媛媛
付潇
+2 位作者
杨东瑛
王洁宁
郑文
《电子科技大学学报》
EI
CAS
CSCD
北大核心
2024年第3期431-439,共9页
中文医疗问诊文本中,由于口语化的不规则表达和专业术语的频繁出现,药物名称等实体难以被精准地识别出来。为了充分利用中文句子词间关系的重要作用,提出了一种用于增强全局信息的医学命名实体识别模型。模型利用注意力机制增强了词嵌...
中文医疗问诊文本中,由于口语化的不规则表达和专业术语的频繁出现,药物名称等实体难以被精准地识别出来。为了充分利用中文句子词间关系的重要作用,提出了一种用于增强全局信息的医学命名实体识别模型。模型利用注意力机制增强了词嵌入表征,并在使用双向长短时记忆网络的序列处理能力获取上下文信息的基础上,同时从两个方面丰富了句子的全局信息表示。其一是根据句法关系获取词语之间额外依赖关系构建了图卷积网络层用于丰富词间的依赖;其二是构建了辅助任务用于预测词间句法依赖关系的类别。在中文医疗问诊数据集上的实验结果表明,模型具有很好的竞争力,F1值达到94.54%。与其他模型相比,在药物和症状等实体类别的识别上取得了明显提高。在微博公开数据集上的实验也表明,模型具有通用领域的应用价值。
展开更多
关键词
注意力机制
双向长短时记忆网络
图卷积网络
医疗问诊
命名实体识别
在线阅读
下载PDF
职称材料
融合多注意力机制的自监督小样本医学图像分割
2
作者
要媛媛
刘宇航
+2 位作者
程雨菁
彭梦晓
郑文
《计算机工程与科学》
CSCD
北大核心
2024年第3期479-487,共9页
主流的基于全监督的深度学习分割模型在丰富的标记数据上训练时可以取得良好的效果,但医疗图像领域的图像分割存在标注成本高、分割目标种类多的问题,且往往缺少足够的标注数据。提出一个模型,通过融合自监督从数据中提取标签,利用超像...
主流的基于全监督的深度学习分割模型在丰富的标记数据上训练时可以取得良好的效果,但医疗图像领域的图像分割存在标注成本高、分割目标种类多的问题,且往往缺少足够的标注数据。提出一个模型,通过融合自监督从数据中提取标签,利用超像素表征图像特性,进行小样本标注条件下的图像分割。引入多注意力机制使得模型更多关注图像的空间特征,位置注意模块和通道注意模块致力于单一图像内部的多尺度特征融合,而外部注意力模块显著突出了不同样本间的联系。在CHAOS健康腹部器官数据集上进行实验,1-shot极端情况下DSC达0.76,相较baseline分割结果提升3%左右。通过调整N-way-K-shot任务数来探讨小样本学习的意义,在7-shot设置下DSC有显著提升,与基于全监督的深度学习分割效果的差距在可接受范围内。
展开更多
关键词
小样本
注意力机制
自监督
原型网络
在线阅读
下载PDF
职称材料
题名
结合全局信息增强的医学领域命名实体识别研究
被引量：
1
1
作者
要媛媛
付潇
杨东瑛
王洁宁
郑文
机构
太原理工大学计算机科学与技术
学院
(大
数据
学院
)
中国船舶集团有限公司综合技术经济
研究
院
长治医学院山西省智能数据辅助诊疗工程研究中心
出处
《电子科技大学学报》
EI
CAS
CSCD
北大核心
2024年第3期431-439,共9页
基金
国家自然科学基金(11702289)
山西省关键核心技术和共性技术研发攻关专项(2020XXX013)。
文摘
中文医疗问诊文本中,由于口语化的不规则表达和专业术语的频繁出现,药物名称等实体难以被精准地识别出来。为了充分利用中文句子词间关系的重要作用,提出了一种用于增强全局信息的医学命名实体识别模型。模型利用注意力机制增强了词嵌入表征,并在使用双向长短时记忆网络的序列处理能力获取上下文信息的基础上,同时从两个方面丰富了句子的全局信息表示。其一是根据句法关系获取词语之间额外依赖关系构建了图卷积网络层用于丰富词间的依赖;其二是构建了辅助任务用于预测词间句法依赖关系的类别。在中文医疗问诊数据集上的实验结果表明,模型具有很好的竞争力,F1值达到94.54%。与其他模型相比,在药物和症状等实体类别的识别上取得了明显提高。在微博公开数据集上的实验也表明,模型具有通用领域的应用价值。
关键词
注意力机制
双向长短时记忆网络
图卷积网络
医疗问诊
命名实体识别
Keywords
attention mechanism
bidirectional long and short-term memory network
graph convolutional network
medical consultation
named entity recognition
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
融合多注意力机制的自监督小样本医学图像分割
2
作者
要媛媛
刘宇航
程雨菁
彭梦晓
郑文
机构
太原理工大学计算机科学与技术
学院
(大
数据
学院
)
长治医学院山西省智能数据辅助诊疗工程研究中心
出处
《计算机工程与科学》
CSCD
北大核心
2024年第3期479-487,共9页
基金
国家自然科学基金(11702289)
山西省关键核心技术和共性技术研发攻关专项项目(2020XXX013)。
文摘
主流的基于全监督的深度学习分割模型在丰富的标记数据上训练时可以取得良好的效果,但医疗图像领域的图像分割存在标注成本高、分割目标种类多的问题,且往往缺少足够的标注数据。提出一个模型,通过融合自监督从数据中提取标签,利用超像素表征图像特性,进行小样本标注条件下的图像分割。引入多注意力机制使得模型更多关注图像的空间特征,位置注意模块和通道注意模块致力于单一图像内部的多尺度特征融合,而外部注意力模块显著突出了不同样本间的联系。在CHAOS健康腹部器官数据集上进行实验,1-shot极端情况下DSC达0.76,相较baseline分割结果提升3%左右。通过调整N-way-K-shot任务数来探讨小样本学习的意义,在7-shot设置下DSC有显著提升,与基于全监督的深度学习分割效果的差距在可接受范围内。
关键词
小样本
注意力机制
自监督
原型网络
Keywords
few-shot
attention mechanism
self-supervision
prototype network
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
作者
出处
发文年
被引量
操作
1
结合全局信息增强的医学领域命名实体识别研究
要媛媛
付潇
杨东瑛
王洁宁
郑文
《电子科技大学学报》
EI
CAS
CSCD
北大核心
2024
1
在线阅读
下载PDF
职称材料
2
融合多注意力机制的自监督小样本医学图像分割
要媛媛
刘宇航
程雨菁
彭梦晓
郑文
《计算机工程与科学》
CSCD
北大核心
2024
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
