【摘 要】
：
在2019年末暴发的新冠肺炎（COVID-19）疫情对全世界都产生了深远的影响,成千上万的人感染病毒,世界各国都采取了不同的策略应对这次疫情带来的考验:保持社会运转,贸易通畅、工业生产转型、需求减少带来的企业破产,失业等等问题,但其中最重要的任务之一是治疗新冠肺炎的感染者。肺部CT扫描片成为诊断新冠肺炎患者的重要信息依据,如何有效的对病人肺部CT扫描片进行图像分析,将病灶部分分割出来对判断病人病情
论文部分内容阅读
在2019年末暴发的新冠肺炎（COVID-19）疫情对全世界都产生了深远的影响,成千上万的人感染病毒,世界各国都采取了不同的策略应对这次疫情带来的考验:保持社会运转,贸易通畅、工业生产转型、需求减少带来的企业破产,失业等等问题,但其中最重要的任务之一是治疗新冠肺炎的感染者。肺部CT扫描片成为诊断新冠肺炎患者的重要信息依据,如何有效的对病人肺部CT扫描片进行图像分析,将病灶部分分割出来对判断病人病情意义重大。基于深度学习的分割算法最近在众多分割任务中表现出色,但是却依赖大量的有标注、高质量数据用于训练,但因为医学图像本身就具有标注成本高,难以获得充分标注数据的特点,限制了深度学习在医学图像分析上应用,而这次疫情的突发性,更是加剧了缺乏有标注数据的现象,探究如何在无标注数据,少量标注数据情形下训练得到能够辅助医生诊断的图像分割模型成为一个急需解决的问题。本文首先介绍迁移学习,图像分割两个领域的基础知识和研究进展,进一步介绍两者相结合的主要方法。同时,本文提出一种基于迁移学习的图像分割算法,利用已经具有标注的社区获得性肺炎CT数据集辅助训练新冠肺炎病灶的分割网络,该算法使用对抗网络的思想,使用两个分别专注于正、负类的域判别器,促使分割器能够提取出域不变的特征,实现了域的迁移。同时,受Adapt Seg启发,我们提出的算法在输出空间进行域适应操作,并解决了Adapt Seg在医学类图像上无法处理样本不平衡,易产生模式崩溃的问题。通过实验证明本文提出迁移分割算法的有效性,并进一步探究迁移学习的适用范围,印证了迁移学习在小样本任务中更有效的特点,揭示了迁移学习和元学习的内在关联性。
其他文献
发展新能源汽车产业是我国实现节能减排和汽车工业“弯道超车”的重大战略。电动汽车（EV）是目前新能源汽车的主要代表,保证汽车动力电池安全性已经成为人们普遍关注的话题之一,市场对电池安全状态的精准估计和检测的需求日益强烈。研发电池监控平台对车辆电池状态进行监控,并在电池出现安全故障或发生故障前发出报警,是保护司乘人员安全的重要措施。电池监控平台以大量的电池数据为基础,需要系统提供大量算法模型服务,而算
人口迅速增长和极端气候频发背景下,实现全球粮食安全是目前人类面临最严峻的挑战之一。为理解气候变化对作物生长发育的影响,准确估算作物总初级生产力（Gross Primary Production,GPP）和产量对制定合理农业政策至关重要。作物生长过程模型和基于GPP的估算方法是估产的两种主要手段。前者能动态模拟作物生长发育过程,但缺乏对光合作用生理生化机制的描述,同时输入参数的众多限制了其在区域上的
近年来,基坑监测作为保障基坑工程安全和指导施工的重要手段正朝着长距离、分布式和远程监测的方向发展。传统监测手段多以点式、电阻式、振弦式为主,其监测数据量小,成活率低,因施工条件或开挖顺序限制,也难以实现基坑深部土体和围护结构的受力与变形过程监测,密集分布式光纤技术（UWFBG）具有精度高、分布式的优点,它不仅能实现基坑工程中各围护结构的系统监测,更能精细化连续感测地连墙和土体变形过程,论文以密集分
包括搜索引擎在内的各种基于互联网的数据服务都需要实现数据的抽取和解析,爬虫是一种最常用和最重要的途径。隐藏数据库是指组织机构通过允许用户通过搜索界面发出查询而在网络上访问的数据集。换句话说,从这样的来源获取数据不是通过静态超链接。相反,数据是通过查询接口和读取动态生成的结果页面来获取的。这与其他障碍（例如界面可能仅部分回答查询）一起阻止了隐藏的数据库被现有搜索引擎有效地抓取。动态网页技术的出现使得
近年来,印染行业废水中的锑（Sb）污染问题引起了广泛的关注。在印染过程中,锑在不同工艺段阶段被不同程度地释放到废水中,给人体健康及生态环境带来巨大的威胁。另一方面,印染行业的用水量巨大使得水回用十分必要。目前,印染行业普遍采用的是基于混凝膜滤的水回用工艺。然而,能够有效除锑的铁基混凝因其会对反渗透膜造成较大膜污染而难以应用于膜前,这就导致了使用铝基混凝剂的混凝膜滤工艺中反渗透浓水锑浓度极高（>1
在人工智能时代的背景下,人脸识别技术已经达到了较高的成熟度。然而多数传统的人脸识别系统都是以减少错误分类数量、提升分类准确率作为主要目标,却忽略了现实中不同的错误分类情况可能造成不同代价的事实。而且,训练一个高精度的人脸识别分类器需要大量的有标记样本,实际应用中有标记样本的数量往往很少,若在标记样本数量较少时直接进行决策很可能造成高额的误分类代价。为解决这一问题,考虑到现实识别时有用信息不断递增的
网络表示学习是探索如何更好地表示网络信息的一项研究。它将信息网络中的节点表示为低维稠密的实向量,供下游机器学习任务使用。近年来,网络表示学习由于其广泛的应用场景吸引了大量研究者的目光,而融合了异构信息的网络表示学习工作也成为了一个重要的研究热点。最初的异构网络表示学习大多采用元路径及随机游走的方法,可以在保留网络局部结构信息的同时提取异构网络中丰富的语义信息,但这些方法通常忽视了节点不同邻居的不同
原国家教育委员会副主任、国家总督学柳斌曾说过，国民教育的平台靠家庭教育、学校教育和社会教育支撑。三者相互关联，有机地结合在一起，相互影响、相互作用，为孩子创造美好的未来。这一段话非常形象地点明了家校社协同育人的重要性。
随着移动互联网的快速发展,移动应用呈井喷式出现,而出色的UI设计成为了一款应用能否脱颖而出的重要条件,因此以UI设计为驱动的研究在近些年得到了广泛的关注。工业界已存在例如Android Studio这类成熟的应用开发平台,它们可以为用户提供具备控件拖拽功能的可视化UI设计服务。然而这些建模方式偏“重量级”,即需要用户具备软件开发等先验知识且在建模时关注页面比例等细节。显然,这类复杂的建模工具并不适
20世纪末,海外私募基金涌入中国市场,此后,私募股权投资在我国逐渐盛行。随着经济的高速蓬勃发展,私募基金在中国已蔚然成风。因此,具有挑战性的复杂业务流程化管理成为私募基金投资行业的一个亟待解决的难题,开发一个能够通过对基金行业业务过程进行梳理,拟定该金融基金行业标准化办公流程,形成一套完整的基金管理流程,帮助政府、企业、基金公司,在日常基金管理过程中形成规范化版本的平台成为当务之急。基于以上背景,