【摘 要】
：
针对传统阿尔茨海默症辅助诊断算法使用单一模态数据,以及丢弃缺失模态样本的问题,本文提出了一种基于非对称多模态学习的阿尔茨海默症辅助诊断算法.本算法包含两阶段任务,第1阶段利用磁共振成像(Magnetic Resonance Imaging,M RI)和正电子发射断层扫描成像(Positron Emission Tomography,PET)之间的潜在联系,使用3D循环生成对抗神经网络,训练出一个特
【机 构】
：
昆明理工大学 信息工程与自动化学院,昆明650500
论文部分内容阅读
针对传统阿尔茨海默症辅助诊断算法使用单一模态数据,以及丢弃缺失模态样本的问题,本文提出了一种基于非对称多模态学习的阿尔茨海默症辅助诊断算法.本算法包含两阶段任务,第1阶段利用磁共振成像(Magnetic Resonance Imaging,M RI)和正电子发射断层扫描成像(Positron Emission Tomography,PET)之间的潜在联系,使用3D循环生成对抗神经网络,训练出一个特定的PET生成模型,补全缺失的PET数据.第2阶段,通过多模态深度非负矩阵分解模型,将MRI和PET的特
其他文献
针对大多数基于FPGA的加速器受限于运算资源与访存带宽,很难部署大型的神经网络这一问题,通过研究神经网络的计算特点,运用通用计算模型的思想,提出了一种指令集架构的神经网
虚拟化技术是云数据中心的核心技术之一,良好的资源管理及调度方法有利于云数据中心的虚拟资源管理从而提供快速、安全和可靠的服务.本文主要研究了工作流联合调度问题,以最小化费用开销为目的,在保证工作流完成的前提下,提出了一种二阶段的工作流联合调度算法,分别优化了工作流到虚拟机的映射和虚拟机到物理机的部署问题.该算法基于蚁群系统的核心思想,设计了相关的启发函数和信息素更新规则,形成了工作流到虚拟机的映射集合,在减少了工作流的完成时间的同时避免了陷入局部最优解;然后,针对虚拟机-物理机的部署问题,考虑了多类型虚拟机
针对RAKE(Rapid Automatic Keywords Extraction)算法在中文短文本关键词提取算法中未考虑词语语义和候选关键词过长的问题,提出一种以RAKE算法为基础的改进方法.在词语特征值计算阶段,利用词项距离、词间关系频率、共现频率构建共现矩阵,利用语境值计算公式计算每个候选关键词的特征值;按照特征值的降序输出候选关键词,若候选关键词词语个数超过n个,则利用窗口输出算法限制关键词的长度.实验表明,本文方法在中文短文本关键词提取方面相比RAKE算法及其它算法有更好的表现.
社交媒体中俄语情感信息的深入挖掘和分析,对国家制定政治、经贸和外交战略具有重要参考价值.本文针对俄语社交媒体文本口语化、不规范、形态多样等特点,提出融合俄语形态、
目前,个性化推荐系统的研究已经成为一个热门领域,其技术在各行各业得到了广泛应用.在现实生活中,人们可以划分成不同的群组,人们也经常以群组的形式一起参加各种形式的活动,
模糊C均值聚类容易受噪声数据影响,进而影响聚类准确率.鉴于此,提出了一种改进萤火虫算法的模糊聚类方法.该方法首先在萤火虫算法中引入Chebyshev映射初始化种群的分布;然后
随着深度学习技术的快速发展,模型的结构越来越复杂,需要的计算资源和存储资源也越来越多.单核计算设备通常无法满足深度学习的需求,通常将深度学习模型部署在众核和分布式计
本文提出一种新型的带有注意力模块的反卷积一阶检测器,简称做DSSDA(Deconvolutional Single Shot Detector with Attention M odule).整个网络架构主要借鉴DSSD模型,在卷积层后加反卷积上采样进行特征融合,再在融合的特征后嵌入注意力模块,以帮助网络将注意力放在目标上并抑制不重要的信息.注意力模块包括通道注意力和空间注意力两个子模块,作用分别
3D手势姿态估计是计算机视觉领域一个重要的研究方向,在虚拟现实、增强现实、人机交互、手语理解等领域中具有重要的研究意义和广泛的应用前景.深度学习技术已经广泛应用于3D手势姿态估计任务并取得了重要研究成果,其中深度图像具有的深度信息可以很好地表示手势纹理特征,深度图像已成为手势姿态估计任务重要数据源.本文首先全面阐述了手势姿态估计发展历程、常用数据集、数据集标记方式和评价指标;接着根据深度图像的不同
针对现有的交通标志识别算法在识别率和识别速度等方面存在的不足,在空间不变性方面还可以进一步利用的问题,提出一种基于空间变换网络和注意力机制的交通标志识别算法.首先将交通标志图片经过数据增强,然后输入到空间变换网络中,使得图片具有空间不变性,经过卷积层提取特征和池化层降维,提取图片抽象语义信息进行分类,在模型中加入改进的注意力机制模块,在通道和空间两个维度对特征图施加注意力机制,实现交通标志的准确快