基于Transformer的多方面特征编码图像描述生成算法

由目标检测算法提取的目标特征在图像描述生成任务中发挥重要作用,但仅使用对图像进行目标检测的特征作为图像描述任务的输入会导致除关键目标信息以外的其余信息获取缺失,且生成的文本描述对图像内目标之间的关系缺乏准确表达。针对上述不足,提出用于编码图像内目标特征的目标Transformer编码器,以及用于编码图像内关系特征的转换窗口Transformer编码器,从不同角度对图像内不同方面的信息进行联合编码。通过拼接方法将目标Transformer编码的目标特征与转换窗口Transformer编码的关系特征相融合,达到图像内部关系特征和局部目标特征融合的目的,最终使用Transformer解码器将融合后的编码特征解码生成对应的图像描述。在MS-COCO数据集上进行实验,结果表明,所构建模型性能明显优于基线模型,BLEU-4、METEOR、ROUGE-L、CIDEr指标分别达到38.6%、28.7%、58.2%和127.4%,优于传统图像描述网络模型,能够生成更详细准确的图像描述。

中心性肥胖对乳腺癌发生风险的影响及膳食因素作用

目的探讨中心性肥胖对乳腺癌发生风险的影响,以及膳食相关影响因素可能起到的促进或抑制作用。方法病例对照研究,共纳入212例研究对象,包括63例初治乳腺癌患者,71例乳腺结节患者,以及78例健康女性作为对照组。使用生物电阻抗分析测量人体成分,并使用食物频率法调查受试者膳食摄入特征。结果内脏脂肪(OR 1.03,95%CI 1.003~1.077)和躯干脂肪(OR 1.470,95%CI 1.104~2.184)与乳腺癌的风险增加独立相关。以低豆类和乳制品摄入为特征(OR 1.300,95%CI 1.044~1.619)和以高谷物和红肉摄入为特征(OR 2.254,95%CI 1.705~2.982)的膳食模式会增加患乳腺癌的风险,其中高肉类摄入(β0.268,95%CI 0.034~0.503)和豆类摄入(β-0.485,95%CI-0.865~-0.104)可分别促进和抑制内脏脂肪的累积。结论中心性肥胖是乳腺癌的独立危险因素,膳食豆类摄入不足以及红肉摄入过高可进一步促进乳腺癌患者的中心性肥胖。