- 博客(10)
- 收藏
- 关注
原创 Slonim N, Bilu Y, Alzate C, et al. An autonomous debating system[J]. Nature, 2021
自主辩论系统的整体架构由多个模块组成,每个模块负责处理辩论过程中的特定任务。这些模块包括主题理解、信息检索、论证生成、反驳生成和语言生成等。以下是对每个模块的详细描述。
2024-06-17 14:05:17
432
原创 A topological loss function for deep-learning based image segmentation using persistent homology
定义拓扑损失函数时,首先需要确定目标拓扑特征(例如预期的Betti数)。然后,计算预测分割结果的持久性条形码与目标拓扑特征之间的差异,具体包括条形码长度的差异。拓扑损失函数可以表示为:其中,(b_{k,l})表示预测分割结果的第(k)个Betti数的第(l)个条形码的长度,(d_{k,l})表示目标拓扑特征的第(k)个Betti数的第(l)个条形码的长度。
2024-06-13 15:30:08
1543
原创 Cytomorphology(细胞形态学)
白血病分类依赖于详细的骨髓的细胞形态观察 涂抹。然而,应用现有的深度学习方法 对它来说,它面临着两个重大限制。首先,这些方法需要在单元级别具有专家注释的大规模数据集才能获得良好的结果,并且通常存在泛化能力较差的问题。其次,他们简单地将骨髓细胞形态检查视为一项多分类细胞分类任务,从而未能利用不同等级白血病亚型之间的相关性。因此,骨髓细胞形态的评估作为一个耗时和重复的过程,仍然需要由有经验的细胞学家手动完成。
2024-06-03 14:35:48
286
原创 综述类paper
人工智能(AI)在医疗保健领域正变得不可或缺。成功应用和有前景的方法包括使用模式识别软件预处理和分析数字医学图像、利用深度学习算法进行疾病分类、数字孪生技术和计算机模拟临床试验。此外,机器学习技术用于识别电子健康记录中的模式和异常,并对可穿戴健康跟踪设备收集的数据进行即时评估,以进行深入的纵向表型分析。近年来,自动图像分类取得了显著进展,甚至在某些情况下达到了超越人类水平。
2024-05-28 16:26:50
1338
原创 血液病公共数据集总结
这个数据集不仅是目前文献中可用的最大的骨髓细胞形态学专家注释图像池,而且它的高质量和细胞种类的详细分类,使其成为训练白细胞形态学分类器的理想选择,这些分类器能够以高精度和高召回率识别一系列具有诊断相关性的细胞种类。
2024-05-24 14:25:09
322
原创 第一章 欢迎来到深度学习的世界
什么是深度学习深度神经网络的本质核心模型卷积神经网络(CNN)是一种深度学习模型,用于处理图像和语音等网格状数据。它通过卷积层、池化层和全连接层构建模型,自动提取图像特征并进行分类。CNN在计算机视觉领域广泛应用,并取得了很大的成功。循环神经网络(RNN)是一种能够处理序列数据的神经网络模型。相比于传统的前馈神经网络,RNN引入了循环连接,使得网络能够保留过去的状态信息,并将其用于当前的预测。这种循环结构使RNN在处理语言和时间序列等具有顺序性的数据时具有优势。
2024-05-02 18:23:40
34
原创 SSM框架答辩笔记
这段代码定义了NoticeDao接口中的各种数据库操作方法,使用注解方式指定了对应的SQL语句或动态SQL提供者,用于执行与公告信息相关的查询、插入、更新和删除操作。这段代码定义了UserDao接口中的各种数据库操作方法,使用注解方式指定了对应的SQL语句或动态SQL提供者,用于执行与用户信息相关的查询、插入、更新和删除操作。这段代码定义了JobDao接口中的各种数据库操作方法,使用注解方式指定了对应的SQL语句或动态SQL提供者,用于执行与职位信息相关的查询、插入、更新和删除操作。
2023-05-17 12:11:49
1699
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人