灰姑娘能变成白雪公主吗?感知到的信任对他人面孔表征的影响

本研究考察对他人可信程度的感知是否会影响对该人物面孔长相的表征及其潜在的机制。实验1让被试形成目标人物可信或不可信的印象。随后利用反相关图像分类技术将被试对目标人物面孔的心理表征可视化。结果发现无论目标人物是男性还是女性,高可信度的目标人物与更具吸引力和积极特质的面孔表征相关。实验2从一批新的被试中可视化了可信和不可信群体的面孔表征的特征,并与实验1中获得的目标人物的面孔表征的特征做相似性分析,发现被描述为可信(或不可信)的目标人物的面孔表征特征与可信(或不可信)群体的面孔表征特征有更多的相似性,说明当人们得知他人是可信(或不可信)时,会把脑海中的对应图式特征叠加到该人物的面孔物理特征上,从而重塑面孔表征。本研究说明自上而下的加工方式在面孔表征形成中扮演了重要作用。

人工智能在医学影像分析中的应用进展

以深度学习(DL)为代表的人工智能(AI)技术已在计算机视觉任务中取得突破性进展。本文从4种常见计算机视觉任务(图像分类、目标检测、物体分割和图像生成)出发,回顾AI技术在医学影像分析中的应用及其发展。

深度学习在医学影像分析中的应用综述

【目标】综述近年来深度学习(Deep Learning,DL)在医学影像分析领域的研究和应用进展。【文献范围】采用关键词检索和引文二次检索的方法初步收集相关论文。【方法】首先简要介绍基于卷积神经网络的DL模型,然后按病症介绍近年来DL在医学影像辅助诊断中的表现,病症包括脑卒中、肺结节、骨龄测量等。【结果】DL在多种疾病的影像辅助诊断中展现出优势,包括精度高、速度快、结果稳定、可规模化等。同时,很多问题阻碍了DL从实验走向临床,如依赖大量数据、标注标准不统一、模型泛化能力欠佳、可解释性不足等。【局限】检索文献仅覆盖最近几年的工作,对于更久之前的可能存在遗漏。【结论】深度学习可提高放射医师解读影像的效率和精度,但DL还不完美,在广泛渗透医学影像解读之前,还需要经历长时间的研究和验证。