检索结果-南通市图书馆

Abductive subconcept learning

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

Science China(Information Sciences) 2023年第2期66卷 114-126页

作者： Zhongyi HAN Le-Wen CAI Wang-Zhou DAI Yu-Xuan HUANG benzheng wei wei WANG Yilong YIN School of Software Shandong University National Key Laboratory for Novel Software Technology Nanjing University Department of Computing Imperial College London Center for Medical Artificial Intelligence Shandong University of Traditional Chinese Medicine

Bridging neural network learning and symbolic reasoning is crucial for strong AI. Few pioneering studies have made some progress on logical reasoning tasks that require partitioned inputs of instances(e.g.,sequential data), from which a final concept is formed based on the complex(perhaps logical) relationships between them. However, they cannot apply to low-level cognitive tasks that require unpartitioned inputs(e.g., raw images), such as object recognition and text classification. In this paper, we propose abductive subconcept learning(ASL) to bridge neural network learning and symbolic reasoning on unsegmented image classification tasks. ASL uses deep learning and abductive logical reasoning to jointly learn subconcept perception and secondary reasoning. Specifically, it first employs meta-interpretive learning(MIL) to induce first-order logical hypotheses capturing the relationships between the high-level subconcepts that account for the target concept. Then, it uses the groundings of the logical hypotheses as labels to train a deep learning model for identifying the subconcepts from unpartitioned data. ASL jointly trains the deep learning model and learns the MIL theory by minimizing the inconsistency between their grounded outputs. Experimental results show that ASL successfully integrates machine learning and logical reasoning with accurate and interpretable results in several object recognition tasks.

关键词： abductive learning subconcept learning logical reasoning subconcept set selection meta-interpretive learning

基于改进形态学梯度和Zernike矩的亚像素边缘检测方法

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

仪器仪表学报 2010年第4期31卷 838-844页

作者：魏本征赵志敏华晋南京航空航天大学自动化学院南京210016 山东中医药大学理工学院济南250355 南京航空航天大学理学院南京210016

为满足电荷耦合器件(CCD)图像测量系统的快速、高精度测量要求,提出了一种基于改进形态学梯度和Zernike矩算法的图像亚像素边缘检测新方法。基于CCD图像灰度和空间结构信息特点,该算法先利用改进的数学形态学梯度算子进行边缘点的粗定位... 详细信息

为满足电荷耦合器件(CCD)图像测量系统的快速、高精度测量要求,提出了一种基于改进形态学梯度和Zernike矩算法的图像亚像素边缘检测新方法。基于CCD图像灰度和空间结构信息特点,该算法先利用改进的数学形态学梯度算子进行边缘点的粗定位,在像素级上确定边缘点的坐标和梯度方向;然后再根据构造的边缘点向量和参考阈值,用Zernike矩算法对边缘点进行亚像素的重新定位,实现图像的亚像素边缘检测。仿真图像和实际图像的边缘定位实验结果表明,与Zernike矩、LOG-Zernike矩及Sobel-Zernike矩算法相比,该方法具有更好的定位精度与抗噪性,且检测速度更快。

关键词：图像测量系统边缘检测数学形态学梯度 Zernike矩

在线全文

学校读者我要写书评

暂无评论

基于边缘特征点互信息熵的医学图像配准方法

数据采集与处理 2018年第2期33卷 248-258页

作者：魏本征甘洁尹义龙山东中医药大学理工学院济南250355 山东中医药大学计算医学实验室济南250355 山东中医药大学第二附属医院放射科济南250001 山东大学计算机科学与技术学院济南250100

基于互信息熵的图像配准方法已经被广泛应用于医学图像配准中,为克服互信息配准方法的不足,结合图像空间结构信息,本文提出一种基于边缘特征点互信息熵的医学图像配准方法,设计了包括互信息熵、图像空间结构和形状特征点等多信息融合的... 详细信息

基于互信息熵的图像配准方法已经被广泛应用于医学图像配准中,为克服互信息配准方法的不足,结合图像空间结构信息,本文提出一种基于边缘特征点互信息熵的医学图像配准方法,设计了包括互信息熵、图像空间结构和形状特征点等多信息融合的配准新测度。算法首先采用改进的形态学梯度提取医学图像边缘轮廓;然后构造了以边缘区域特征和梯度信息为基础的特征点互信息能量函数,并通过最小化能量函数来获取配准参数;最后,结合梯度下降法优化策略,实现图像配准。实验研究表明,该方法在保证了配准精度的同时,配准速度较快、鲁棒性较好、综合性能优良,具有一定的临床推广价值。

关键词：图像配准医学图像互信息熵测度函数边缘特征

基于混合偏移轴向自注意力机制的脑胶质瘤分割算法

在线全文

学校读者我要写书评

暂无评论

山东大学学报（工学版） 2024年第2期54卷 80-89页

作者：高泽文王建魏本征山东中医药大学医学人工智能研究中心山东青岛266112 山东中医药大学青岛中医药科学院山东青岛266112 山东交通学院理学院山东济南250357

为提高脑胶质瘤核磁共振成像(magnetic resonance imaging,MRI)图像分割精度及质量,设计一种混合偏移轴向自注意力机制的脑胶质瘤分割多层级轴向注意力网络(multi-level axial-attention net,MLA-Net)算法。MLA-Net算法框架中设计的混... 详细信息

为提高脑胶质瘤核磁共振成像(magnetic resonance imaging,MRI)图像分割精度及质量,设计一种混合偏移轴向自注意力机制的脑胶质瘤分割多层级轴向注意力网络(multi-level axial-attention net,MLA-Net)算法。MLA-Net算法框架中设计的混合偏移轴向自注意力机制和混和损失函数,分别用于提取更精确的全局相对位置关系、提升网络对细节结构特征的敏感程度和实现精确地分割胶质瘤模糊边界。试验结果表明,在BraTS 2018和2019的混合数据上,MLA-Net算法的dice系数可达到0.8433,Hausdorff距离为2.587。MLA-Net算法的MRI图像脑胶质分割性能优良,可以融合全局相对位置特征和局部细节特征,更好地分割出脑胶质瘤感兴趣区域。

关键词：脑胶质瘤图像分割 MRI 深度学习轴向自注意机制

在线全文

学校读者我要写书评

暂无评论

基于多空间注意力的小儿肺炎辅助诊断算法

山东大学学报（工学版） 2023年第2期53卷 135-142页

作者：刘方旭王建魏本征山东中医药大学中医药创新研究院山东济南250355 山东中医药大学医学人工智能研究中心山东青岛266112 山东中医药大学青岛中医药科学院山东青岛266112 山东交通学院理学院山东济南250357

为提高计算机辅助小儿肺炎诊断质量,提出一种基于多维空间特征提取及跳连接的小儿肺炎X光片多空间注意力网络(multi-space attention network,MSA-Net)。将输入特征进行分组映射,并融合多维空间特征,以充分提取小儿肺炎X光片细粒度特征... 详细信息

为提高计算机辅助小儿肺炎诊断质量,提出一种基于多维空间特征提取及跳连接的小儿肺炎X光片多空间注意力网络(multi-space attention network,MSA-Net)。将输入特征进行分组映射,并融合多维空间特征,以充分提取小儿肺炎X光片细粒度特征;特征提取过程中,采用空间注意力和通道注意力,保留特征之间关联信息,有效提高小儿肺炎X光片图像的分类准确率。在小儿肺炎X光片公开数据集Chest X-ray Images上的试验研究表明,该算法二分类(正常、肺炎)准确率可达到97.21%,三分类(正常、细菌性肺炎、病毒性肺炎)准确率可达86.24%,分类识别性能较为突出,具有潜在的临床应用价值。

关键词：多空间注意力网络多维空间小儿肺炎 X光片注意力机制

Research on resting spontaneous brain activity and functional connectivity of acupuncture at uterine acupoints

在线全文

学校读者我要写书评

暂无评论

Digital Chinese Medicine 2022年第1期5卷 59-67页

作者： YUAN Hang YU Xiaohua LI Xiang QIN Sijun LIANG Guixiang BAI Tianyu wei benzheng Qingdao Academy of Chinese Medical Sciences Shandong University of Traditional Chinese MedicineQingdaoShandong 266112China Center for Medical Artificial Intelligence Shandong University of Traditional Chinese MedicineQingdaoShandong 266112China School of Acupuncture-Moxibustion and Tuina Shandong University of Traditional Chinese MedicineJinanShandong 250355China Department of Acupuncture-Moxibustion and Tuina Shandong Provincial Third HospitalJinanShandong 250031China

Objective The resting-state functional magnetic resonance imaging(rs-f MRI)method was used to observe brain activity and its functional connection upon electroacupuncture stimulation at bilateral uterine acupoints(EX-CA1),as well as to investigate the mechanism of acupuncture in the treatment of gynecological *** Twenty-two healthy female subjects were stimulated by electroacupuncture at bilateral uterine acupoints;rs-f MRI data of the brain were acquired and *** centrality(DC),amplitude of low-frequency fluctuation(ALFF),and regional homogeneity(ReHo)were used to analyze local spontaneous brain activity via *** independent component analysis was used to evaluate the functional connectivity of the resting brain networks after *** Analytical results showed that the neural activity intensity of the precuneus lobe,orbitofrontal cortex,lingual gyrus,amygdala,and posterior central gyrus decreased after acupuncture(voxel P<0.001,cluster P<0.05).Functional connectivity analysis revealed weakened auditory and right frontal-parietal networks(voxel P<0.001,cluster P<0.05),enhanced visual network(voxel P<0.001,cluster P<0.05),and synergistic auditory network and hypothalamic-pituitary *** Significant differences in neural activity and functional connectivity in specific brain regions were observed after acupuncture intervention at uterine acupoints;the hypothalamic-pituitary system also showed various active states in different brain *** is speculated that the effective mechanism of acupuncture at uterine acupoints is related to the regulation of reproductive hormones,emotional changes,and somatic ***,the methods used in this study could clarify the neural mechanism of uterine-point acupuncture in the treatment of gynecological diseases and may serve as a reference for other studies pertaining to acupuncture.

关键词： Uterine acupoints Acupuncture Functional magnetic resonance imaging Local spontaneous brain activity analysis Resting state Functional connectivity

在线全文

学校读者我要写书评

暂无评论

医学图像图深度学习分割算法综述

计算机工程与应用 2022年第12期58卷 37-50页

作者：王国力孙宇魏本征山东中医药大学医学人工智能研究中心山东青岛266112 山东中医药大学青岛中医药科学院山东青岛266112

精准分割医学图像中的器官或病灶,是医学图像智能分析领域的重要难题,其在临床上对于疾病的辅助诊疗有着重要应用价值。在解决医学图像信息表征及对非欧空间生理组织结构准确建模等挑战性问题方面,基于图深度学习的医学图像分割技术取... 详细信息

精准分割医学图像中的器官或病灶,是医学图像智能分析领域的重要难题,其在临床上对于疾病的辅助诊疗有着重要应用价值。在解决医学图像信息表征及对非欧空间生理组织结构准确建模等挑战性问题方面,基于图深度学习的医学图像分割技术取得了重要突破,展现出显著的信息特征提取及表征优势,可获得更为精准的分割结果,已成为该领域新兴研究热点。为更好促进医学图像图深度学习分割算法的研究发展,对该领域的技术进展及应用现状做了系统的梳理总结。介绍了图的定义及图卷积网络的基本结构,详细阐述了谱图卷积和空域图卷积操作。根据GCN结合残差模块、注意力机制模块及学习模块三种技术结构模式,归纳并总结了其在医学图像分割中的研究进展。对图深度学习算法在医学图像分割领域的应用和发展做了概要总结和展望,为该领域的技术发展提供参考和新的研究思路。

关键词：图深度学习图神经网络图卷积网络医学图像分割

同方期刊数据库

在线全文

学校读者我要写书评

暂无评论

融减自动编码器

计算机科学与探索 2021年第8期15卷 1526-1533页

作者：孙宇魏本征刘川张魁星丛金玉山东中医药大学智能与信息工程学院济南250355 山东中医药大学医学人工智能研究中心山东青岛266122 山东中医药大学青岛中医药科学院山东青岛266122

自动编码器(AE)是深度学习领域中一种结构简单且应用广泛的无监督特征提取算法。在图像特征提取方面,现有自动编码器普遍存在特征提取不充分、模型参数量较多等问题。针对上述问题,提出了一种用于图像特征提取的融减自动编码器(MRAE)。... 详细信息

自动编码器(AE)是深度学习领域中一种结构简单且应用广泛的无监督特征提取算法。在图像特征提取方面,现有自动编码器普遍存在特征提取不充分、模型参数量较多等问题。针对上述问题,提出了一种用于图像特征提取的融减自动编码器(MRAE)。首先,在该算法中提出“融减网络结构”,该结构在编码器中通过特征交叉传递实现了特征融合,在解码器中通过优化解码结构降低了特征损失并减少了模型参数量;其次,设计一种联合重构损失函数,该函数通过计算特征层之间的重构损失,在加强特征层之间联系的同时可有效避免模型早熟。实验结果表明:在肺部CT图像数据集上,基于融减自动编码器所提取的特征使用支持向量机(SVM)、K-means和分类回归决策树(CART)等分类器,肺炎筛查准确率均在97%以上;在CvD数据集上,基于融减自动编码器所提取的特征使用全连接分类的准确率均在90%以上。

关键词：自动编码器(AE) 特征提取融减自动编码器(MRAE) 融减网络结构联合重构损失函数

基于BFOA和K-means的复合入侵检测算法

在线全文

学校读者我要写书评

暂无评论

山东大学学报（工学版） 2018年第3期48卷 115-119,126页

作者：肖苗苗魏本征尹义龙山东中医药大学理工学院山东济南250355 山东中医药大学计算医学实验室山东济南250355 山东大学软件学院山东济南250101

K-means算法对初始聚类中心及簇数K的选择敏感,导致聚类结果不稳定,会对IDS(intrusion detection system,IDS)的检测结果产生重要影响。针对该问题,提出一种基于细菌觅食优化算法(bacterial foraging optimization algorithm,BFOA)和K-means相复合的入侵检测算法(HIDS)。HIDS算法首先基于距离阈值方法动态确定簇数K,再利用BFOA优化生成初始聚类中心,使得选择的初始聚类中心达到全局最优,从而解决了K-means算法的聚类结果不稳定的问题,进而提高入侵检测的准确率。为验证算法的有效性和测试算法性能,将HIDS在KDD99数据集上进行试验测试,入侵检测率可达98.33%。试验结果表明该方法能够有效提高检测率并且降低误检率。

关键词：入侵检测 BFOA K-means算法 HIDS 检测率