![](https://img-blog.csdnimg.cn/20201014180756919.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
论文阅读
文章平均质量分 86
Gao+Ling
爱学习
展开
-
论文阅读:Arabic Dialect Identification with a Few Labeled Examples Using Generative Adversarial Networks
我们扩展了基于Transformer的模型(ARBERT和MARBERT)使用 半监督生成对抗网络(SS-GAN)在生成对抗设置中使用未分类数据。我们的模型能够为阿拉伯语方言样本 生成高质量的嵌入,并帮助模型更好地泛化下游分类任务。原创 2023-05-16 19:49:40 · 236 阅读 · 0 评论 -
论文阅读:Multimodal Graph Transformer for Multimodal Question Answering
在这项工作中,我们的目标是从这两个世界中受益,并提出了一种新的多模态图转换器,用于需要跨多模态执行推理的问答任务。我们引入了一种涉及图形的即插即用类注意机制,将从文本和视觉数据中获得的多模态图形信息作为有效的先验信息整合到vanilla自注意力中。具体来说,我们构建文本图、密集区域图和语义图来生成邻接矩阵,然后将它们与输入的视觉和语言特征组合在一起进行下游推理。原创 2023-05-14 19:33:58 · 1717 阅读 · 7 评论 -
CLIP论文拜读及理解
prompt learning :提示学习原创 2023-04-17 20:38:52 · 783 阅读 · 0 评论 -
论文阅读:chain of thought Prompting elicits reasoning in large language models
预训练大型语言模型(LLMs)被广泛应用于自然语言处理(NLP)的许多子领域,通常被称为具有特定任务示例的优秀少数镜头学习者。值得注意的是,最近的一种通过逐步回答示例来引出复杂的多步推理的技术——思维链(CoT)提示,在算术和符号推理方面取得了最先进的表现,这些困难的系统-2任务不遵循LLMs的标准比例定律。虽然这些成功通常归因于llm的少次学习能力,但我们通过在每个答案之前添加“让我们一步一步地思考”来证明llm是出色的zero-shot推理者。原创 2023-03-17 19:44:28 · 547 阅读 · 1 评论 -
基于感知动作循环的层次推理用于视觉问答
基于感知动作循环的分层推理框架( HIPA )来处理VQA任务。它将多模态的推理过程与感知动作循环PAC)相融合,解释了人类对周围世界的学习机制。它通过推理的三个阶段来理解视觉模态:对象层面的注意力、组织和解释。它通过词汇层面的注意力、解释和条件化来理解语言情态。随后,视觉和语言模式在整个框架中以循环和分层的方式相互依赖地解释。为了进一步评估视觉和语言特征,我们认为相同答案的图像-问题对最终应该具有相似的视觉和语言特征。因此,我们使用余弦相似度的标准差和曼哈顿距离等指标进行视觉和语言特征评估实验。原创 2023-02-16 20:45:26 · 528 阅读 · 0 评论 -
基于深度生成学习的中医电子病历自动诊断
基于深度生成学习的中医电子病历自动诊断Deep Generative Learning for Automated EHR Diagnosis of Traditional Chinese Medicine利用无监督深度学习模型,学习特征表示。利用监督学习模型,对DBN进行学习。两个数据集:一种是医学专家索引的纯文本数据集。另一个是原发性高血压的结构化数据集。摘要背景计算机辅助医疗决策(CAMDM)是利用大量电子病历electronic medicalrecords (EMR)数据作为原创 2023-02-14 16:01:09 · 445 阅读 · 0 评论 -
机器学习在预测脊髓型颈椎病中的应用:一项28名参与者的事后初步研究
机器学习在预测脊髓型颈椎病中的应用:一项28名参与者的事后初步研究Machine Learning for the Prediction of Cervical Spondylotic Myelopathy: A Post Hoc Pilot Study of 28 Participants简单说:训练了两个模型:1)预测脊髓型颈椎病诊断(分类);2)预测CSM严重程度(输出是线性的)。摘要方法:共14例脊髓型颈椎病患者和14例对照组接受颈椎影像学检查。训练了两种不同的人工神经网络模型;1)预测脊髓原创 2023-02-14 15:59:59 · 374 阅读 · 0 评论 -
计算机断层扫描结肠镜和全自动骨密度仪在一次检查中的可行性
计算机断层扫描结肠镜和全自动骨密度仪在一次检查中的可行性Feasibility of Simultaneous Computed Tomographic Colonography and Fully Automated Bone Mineral Densitometry in a Single Examination简单总结:数据:患者的结肠镜检查和腹部CT检查—————————————————————————————————目的:为了探讨利用全自动软件从计算机断层扫描(CTC)中计算骨密度(BM原创 2023-02-14 15:59:01 · 256 阅读 · 0 评论 -
艺术VQA的数据集与基线baselines
艺术VQA的数据集与基线baselines原创 2022-09-17 20:38:04 · 487 阅读 · 0 评论 -
用于文化遗产的VQA(基于ArtPedia数据集)
用于文化遗产的VQA(基于VQA v2,OK-VQA,ArtPedia数据集)原创 2022-09-17 15:18:20 · 797 阅读 · 0 评论 -
医学视VQA——综述
医学视VQA——综述原创 2022-09-16 19:51:27 · 2555 阅读 · 1 评论 -
视觉答题的方法、数据集和评价指标综述
视觉答题的方法、数据集和评价指标综述原创 2022-09-16 16:30:42 · 3163 阅读 · 0 评论 -
A Survey on VQA: Datasets and Approaches
VQA数据集,评估方法,模型和应用的综述原创 2022-09-14 20:35:34 · 2016 阅读 · 0 评论 -
机器学习在脊柱的应用现状:从临床的观点
Current Applications of Machine Learning in Spine: From Clinical View机器学习在脊柱的应用现状:从临床观点————————————————————————————————————————————————————————————————————————摘要目的:综述机器学习(ML)在脊柱领域的应用现状。方法:我们对2006年至2020年发表的同行评审文章进行了全面的PubMed检索,使用术语(脊柱、脊柱、腰椎、颈椎、胸椎、机器学习原创 2021-11-17 18:34:26 · 2130 阅读 · 0 评论 -
机器学习算法在退行性颈椎和腰椎疾病中的应用:一项系统综述
Utility of machine learning algorithms in degenerative cervical and lumbar spine disease: a systematic review机器学习算法在退行性颈椎和腰椎疾病中的应用:一项系统综述————————————————————————————————————————————————————————————————————————摘要本研究旨在探讨机器学习在颈椎和腰椎退行性疾病中的应用现状。采用系统评价和荟萃分原创 2021-11-16 21:22:51 · 1382 阅读 · 0 评论 -
基于注意的U-Net和改进的交叉熵卷积神经网络的视盘分割
Optic Disc Segmentation Using Attention-Based U-Net and the Improved Cross-Entropy Convolutional Neural Network使用带注意力的U-Net和改进的交叉熵卷积神经网络的视盘分割技术:多通道注意力机制,骰子系数与交叉熵结合,卷积神经网络————————————————————————————————摘要:在本文中,我们提出了一种新的聚合通道注意力网络,以充分利用上下文信息对语义分割的影响。与现有原创 2021-10-24 17:02:46 · 2166 阅读 · 0 评论 -
椎体压缩性骨折与骨密度:CT图像的自动检测与分类
椎体压缩性骨折与骨密度:CT图像的自动检测与分类Vertebral Body compression Fractures and Bone Density: Automated Detection and Classification on CT Images简单总结:目的:在CT图像上检测、定位和分类压缩性骨折,并测量胸椎和腰椎椎体的骨密度—————————————————————————————————摘要目的:创建并验证计算机系统,用于在CT图像上检测、定位和分类压缩性骨折,并测量胸椎和腰原创 2021-10-18 20:11:35 · 1113 阅读 · 0 评论 -
MRI扫描中检测颈脊髓压迫的深度学习模型
MRI扫描中检测颈脊髓压迫的深度学习模型A deep learning model for detection of cervical spinal cord compression in MRI scans简单总结目的:在MRI扫描中检测颈脊髓压迫方法:深度学习模型label:“受压” 和 “未受压”摘要脊髓受压的磁共振成像(MRI)证据在退行性颈椎病(DCM)的诊断中起着核心作用。人们越来越认识到,深度学习模型可能有助于解决不断增加的医学影像数据量,并提供初级保健环境中收集的图像的初步解释原创 2021-10-18 19:51:34 · 454 阅读 · 0 评论 -
基于深度学习的x射线图像骨龄自动特征提取
基于深度学习的x射线图像骨龄自动特征提取Automatic Feature Extraction in X-ray Image Based on Deep Learning Approach for Determination of Bone Age数据:x射线图像利用深度神经网络学习x射线图像的特征。然后,采用基于支持向量机的分类方法对特征进行分类。摘要目的:骨龄测定是判断骨骼成熟度和生长潜力的重要方法。本文提出了一种通过x射线图像识别确定骨龄的方法,通过与现有技术的比较,获得了更好的识别效果。原创 2021-10-18 19:18:20 · 766 阅读 · 0 评论 -
电子健康记录的风险预测:一种深度学习方法
电子健康记录的风险预测:一种深度学习方法Risk Prediction with Electronic Health Records: A Deep Learning Approach将每个患者的电子健康记录(EHR)表示为一个维度为时间和事件的矩阵。通过卷积神经网络模型进行学习和预测。摘要直接使用电子健康记录(EHR)存在许多挑战,如时间性、稀疏性、噪声、偏差等。因此,有效的特征提取,或患者EHR表型是任何进一步应用之前的关键步骤。在本文中,我们提出了一种深度学习方法来从患者的电子病历中进行表型分原创 2021-10-18 16:26:49 · 521 阅读 · 0 评论 -
基于ATMFCMC医学图像分割方法的颈椎病检测与分类
基于ATMFCMC医学图像分割方法的颈椎病检测与分类Spondylosis Detection And Classification Of Cervical Images Using ATMFCMC Based Medical Image Segmentation Methods用机器学习算法对x射线图像颈椎病的检测(本质:分类)摘要在这项工作中,我们试图实现对x射线或ct扫描图像的分割来检测颈椎病。本工作用于实现机器学习算法对x射线图像颈椎病的检测。该任务是基于早期检测颈椎骨骼图像中的疾病,然后原创 2021-10-17 21:38:10 · 278 阅读 · 0 评论 -
用于预测脊柱转移术后30天死亡率的机器学习算法的开发
用于预测脊柱转移术后30天死亡率的机器学习算法的开发Development of Machine Learning Algorithms for Prediction of 30-Day Mortality After Surgery for Spinal Metastasis开发了四种机器学习算法(分类),并将表现最佳的算法集成到一个开放访问web应用程序中摘要背景:术前预测脊柱转移性疾病患者术后短期死亡率可以改善临终护理的共同决策。目的:(1)开发用于预测短期死亡率的机器学习算法;(2)将这些原创 2021-10-17 20:32:00 · 176 阅读 · 0 评论 -
使用机器学习方法预测退行性颈椎病手术后的预后
使用机器学习方法预测退行性颈椎病手术后的预后Using a machine learning approach to predict outcome after surgery for degenerative cervical myelopathy提出基于机器学习的分类模型,来预测病人退行性颈脊髓病DCM的术后结果。摘要退行性颈脊髓病(DCM)是一种脊髓疾病,导致颈椎脊髓的渐进性非创伤性压迫。脊柱外科医生必须考虑与疾病表现、影像学特征和患者特征相关的大量信息,以确定患者是否能从DCM手术中获益。我原创 2021-10-17 19:57:03 · 481 阅读 · 0 评论 -
基于OpenPose的坐姿识别
基于OpenPose的坐姿识别简单说,就是提取18个身体关节和17条连接关节的线,作为提取到的坐姿特征。介绍坐姿识别方法可以分为两类:基于传感器的方法和基于图像的方法。构建数据集一个提取人体姿势的工具是OpenPose。OpenPose人体姿态识别项目是卡内基梅隆大学(Carnegie Mellon University, CMU)基于卷积神经网络和监督学习开发的一个开源库,在caffe[14]框架下开发。姿态估计,如人体运动,面部表情,手指运动。适用于单人和多人,具有极佳的鲁棒性[15]。Op原创 2021-10-17 19:06:51 · 10873 阅读 · 0 评论 -
基于解剖特征的ACL重建机器人定位系统
基于解剖特征的ACL重建机器人定位系统An ACL reconstruction robotic positioning system based on anatomical characteristicsACL重建,手术机器人,解剖特征Recommended by Deming Guo摘要为了提高前交叉韧带 (ACL)重建隧道定位的准确性,我们提出了一种基于解剖特征的 ACL重建机器人定位系统。该系统包括术前路径规划系统、术中路径规划系统和导航定位系统。Brahmet线、前、后皮质线用于术前CT原创 2021-10-07 11:32:41 · 510 阅读 · 0 评论 -
机器学习在预测脊髓型颈椎病中的应用:一项28名参与者的事后初步研究
yes可参考着写论文。机器学习在预测脊髓型颈椎病中的应用:一项28名参与者的事后初步研究Machine Learning for the Prediction of Cervical Spondylotic Myelopathy: A Post Hoc Pilot Study of 28 Participants背景:脊髓型颈椎病(CSM)的严重程度和症状的存在往往很难仅根据临床影像学预测。同样,改进的机器学习技术提供了具有巨大临床潜力的新工具。方法:共14例脊髓型颈椎病患者和14例对照组接受颈椎影原创 2021-09-30 21:16:22 · 318 阅读 · 0 评论 -
一种基于机器学习的简便无损伤颈椎病智能识别方法
NoA Convenient Non-harm Cervical Spondylosis Intelligent Identity method based on Machine Learning一种基于机器学习的简便无损伤颈椎病智能识别方法摘要颈椎病(CS)是一种最常见的骨科疾病,主要由医生根据临床症状和医院昂贵仪器提供的颈椎变化进行判断。随着表面肌电图(sEMG)技术和人工智能技术的发展,我们提出了一种方便、无损伤的CS智能识别方法EasiCNCSII,包括表面肌电图数据采集和CS识别。针对有限原创 2021-09-30 18:27:49 · 267 阅读 · 0 评论 -
EasiCSDeep:利用表面肌电信号识别颈椎病的深度学习模型
okEasiCSDeep:利用表面肌电信号识别颈椎病的深度学习模型EasiCSDeep: A deep learning model for Cervical Spondylosis Identification using surface electromyography signal摘要本文提出了一种基于深度学习的智能方法,利用表面肌电信号识别颈椎病(CS)。针对表面肌电信号的复杂性、高维性和弱可用性,提出并开发了一种基于卷积神经网络的多通道EasiCSDeep算法,该算法包括特征提取、空间关系原创 2021-09-29 21:45:00 · 653 阅读 · 0 评论 -
智能颈椎带:基于物联网和人工智能的颈部疼痛和颈椎病治疗系统
ok,可参考着写论文智能颈椎带:基于物联网和人工智能的颈部疼痛和颈椎病治疗系统Smart cervical band: an Internet of Things- and artificial intelligence-based neck pain and cervical spondylosis healing system介绍颈椎由七个椎体和八组神经根组成,通过神经丛与上肢相连。C1和C2椎骨与翼韧带和交叉韧带相连,这是韧带复合体的一部分。此外,许多小关节和椎间盘从C3到C7连接。颈部疼原创 2021-09-29 15:40:46 · 2301 阅读 · 1 评论 -
利用机器学习和人工智能推动脊柱护理的个性化医疗方法
no摘要个性化医疗是一种新的医疗模式,在这种模式中,干预措施基于患者的个体特征,而不是“一刀切”的指导方针。随着流行病学数据集在规模和复杂性上的不断扩大,有必要使用统计机器学习和人工智能(AI)等强大方法来解释和开发基于基础数据的预测模型。通过这样的分析,机器学习可以通过精确的预测来促进个性化医疗。此外,其他人工智能工具,如自然语言处理和计算机视觉,可以在为脊柱疾病患者提供个性化护理方面发挥重要作用。在本报告中,我们讨论了当前将人工智能纳入脊柱疾病研究的进展,特别是创伤性脊髓损伤和退行性脊柱疾病。我们描原创 2021-09-29 13:24:41 · 354 阅读 · 0 评论 -
使用机器学习方法预测退行性颈椎病手术后的结果
摘要退行性颈脊髓病(DCM)是一种导致进行性非创伤性颈脊髓压迫的脊髓疾病。脊柱外科医师必须考虑与疾病表现、影像特征和患者特征有关的大量信息,以确定患者是否会受益于DCM的手术。我们应用有监督的机器学习方法建立了一个分类模型来预测DCM手术后的个体患者结局。作为AOS脊柱CSM-NA或CSM-I前瞻性多中心研究的一部分,接受DCM手术的患者被纳入分析。在757名患者中,605名、583名和539名患者分别在6个月、12个月和24个月时有完整的随访信息,并被纳入分析。主要结果是SF-6D生活质量指标得分通过原创 2021-09-29 09:57:48 · 207 阅读 · 0 评论 -
形状感知U-net以分割脊髓型颈椎病
摘要Cervical Spondylotic Myelopathy脊髓型颈椎病(CSM)是一种严重的颈椎病,可导致严重残疾。为了帮助医生快速、高效地进行诊断,临床迫切需要自动分割方法。然而,该任务面临着结构边界的模糊性和分割区域的不确定性等挑战。针对医学自动分割中存在的问题,提出了一种基于扩散张量成像(DTI)的脊髓型颈椎病自动分割框架。具体地说,采用了一种新的形状感知策略,使骨干网能够同时聚合全局和局部上下文,并有效地捕获远程依赖关系。使用形状感知策略扩展金字塔池化,形状感知金字塔池化模块(SAAP)原创 2021-09-28 20:40:52 · 339 阅读 · 0 评论 -
基于PointNet++和收敛分割的颈椎分割方法
论文标题:A Novel Segmentation Method for Cervical Vertebrae based on PointNet++and Converge Segmentation基于PointNet++和凹面边界信息的脊柱CT图像分割方法论文分类:AI在颈椎方向的分割任务摘要背景:颈椎不稳是颈椎病的关键致病因素,易导致颈脊髓神经受压、麻木、无力,甚至四肢瘫痪。颈椎内固定的重建具有重要的治疗意义,但是一个高风险和困难的过程,需要精确的计划。椎骨之间的高度相似性可能会干扰自动手术计原创 2021-09-28 19:01:20 · 785 阅读 · 0 评论 -
人工智能在脊柱疾病中的应用综述
摘要人工神经网络(ANN)已被广泛应用于现实世界中,并在医学的各个分支中成为一个有前途的领域。本综述旨在确定神经网络在脊柱疾病中的作用。搜索策略设置为以下关键词的组合:“人工神经网络”、“脊柱”、“背痛”、“预后”、“分级”、“分类”、“预测”、“分割”、“生物力学”、“深度学习”和“成像”总结了纳入研究的主要发现,重点介绍了脊柱疾病的最新进展及其在诊断和预后程序中的应用。我们的综述指出了人工神经网络在脊柱疾病治疗中的一些应用,包括:(1)诊断和评估下腰痛患者的脊柱疾病进展、围手术期并发症和脊柱手术后再入原创 2021-09-28 11:24:58 · 745 阅读 · 0 评论 -
物联网、数字生物标志物和脊柱人工智能:当前和未来展望
摘要目前,对身体活动或脊柱姿势的实时监测的研究正在进行中。介绍医学AI可以有3种不同的使用方式:第一,AI用临床数据或基因组数据,以诊断疾病或预测治疗结果。第二, AI自动读取医学图像并诊断疾病。第三,AI可以通过实时监控生物医学信号来预防或预测疾病。在脊柱领域,AI已被用于预测脊柱转移患者手术后的结果或生存情况。医学成像中AI的重点一直是脊柱结构的分割、椎间盘退变的分类、各种脊柱曲线参数的测量以及骨折和脊柱肿瘤的诊断。通过实时监测生物医学信号来预测和预防疾病的AI研究在内科领域尤为活跃。与脊柱相原创 2021-09-28 11:04:50 · 2287 阅读 · 0 评论 -
Attention-Guided Deep Graph Neural Network for Longitudinal Alzheimer’s Disease Analysis注意力引导深度图神经网
论文标题:Attention-Guided Deep Graph Neural Network forLongitudinal Alzheimer’s Disease Analysis摘要阿尔茨海默病(AD)是造成老年人痴呆的主要原因。由于AD不太可能是可逆的,而且目前还没有治愈,因此监测其进展对于调整患者的治疗计划以延缓其恶化至关重要。计算机辅助的纵向AD数据分析有助于评估疾病状态,识别大脑的不同区域,揭示疾病的进展。但是,现有的方法大多存在两个主要问题:一是从整个图中全局提取图像特征,对噪声非常敏原创 2021-04-24 15:24:29 · 326 阅读 · 0 评论 -
Drug Similarity Integration Through Attentive Multi-view Graph Auto-Encoders通过带注意力的多视图图自动编码器的药物相似性集成
Drug Similarity Integration Through Attentive Multi-view Graph Auto-Encoders通过带注意力的多视图图自动编码器的药物相似性集成摘要在本文中,我们建议从多种类型的药物特征中学习准确且可解释的相似性度量。特别是,我们使用多视图图形自动编码器对集成进行建模,并添加注意机制来确定每个视图相对于相应任务和特性的权重,以获得更好的可解释性。4 方法在本文中,我们将每种类型的药物特征视为一个视图。对于视图我们通过将每种药物建模为一个节点原创 2021-04-24 15:23:23 · 554 阅读 · 0 评论