结合多层注意力和GCN的方面情感三元组抽取

针对传统两阶段管道方法忽略情感三元组元素之间的相互联系,以及存在误差传播等问题,提出一种结合多层注意力机制和图卷积网络的端到端方面情感三元组抽取模型AGGTS.首先,利用依赖关系树构造方面项、观点项与其他词之间的相对距离和依存关系;其次,图卷积网络通过依赖关系树构造的依存关系来建模句子的结构,捕获句子中词之间的语义信息和句法依赖关系,并且引入位置注意力机制和多头注意力机制,对每个方面项、观点项与其上下文词之间进行建模;最终从词对关系标签结果中抽取三元组.实验结果表明,本文方法在4个数据集上的评价指标均取得显著提升,验证了本文方法的有效性.

基于空洞卷积神经网络的医学超声图像去噪

散斑严重影响医学超声图像的质量,从而导致临床诊断和图像处理困难。为解决上述问题,提出一种基于空洞卷积神经网络的散斑减小方法。不同于其他的散斑抑制方法,文中通过建立超声图像和散斑图像之间的非线性映射,同时结合跳跃连接使网络不会发生梯度爆炸或消失,从而具有较好的反向传播能力。该方法可以通过超声图像预测散斑,再由超声图像与预测的散斑图像相减从而得到干净的超声图像。该方法相较于散斑减少各向异性扩散(SRAD)和细节保持各向异性扩散(DPAD),具有更好的散斑减少和结构保存性能,在对比的量化数据上提升巨大。实验结果表明,该方法在超声医学图像上具有较好的性能和鲁棒性。

QV-Electra:引入Query-Value注意力机制的预训练文本分类模型

预训练语言模型的作用是在大规模无监督语料上基于特定预训练任务获取语义表征能力,故在下游任务中仅需少量语料微调模型且效果较传统机器学习模型(如CNN、RNN、LSTM等)更优。常见的预训练语言模型如BERT、Electra、GPT等均是基于传统Attention机制搭建。研究表明,引入Query-Value计算的QV-Attention机制效果较Attention机制有所提升。该文模型QV-Electra将QV-Attention引入预训练模型Electra,该模型在保留Electra预训练模型参数的同时仅通过添加0.1%参数获得性能提升。实验结果表明,QV-Electra模型在同等时间的情况下,相较于传统模型以及同等参数规模预训练模型能取得更好的分类效果。

基于对抗训练与词性推理的文本情感分析

针对现有的方面级情感分析方法忽略或没有充分提取句子长距离依赖关系和上下文信息,以及模型鲁棒性和泛化能力较低等问题,提出了一种基于投影梯度下降(PGD)对抗训练和词性推理的方面级情感分析模型PGDBD。首先利用PGD攻击让模型对抗训练,进行正则化处理,增强模型的泛化能力;其次使用BERT生成的词向量取代深层金字塔卷积神经网络(DPCNN)模型本身的词向量,BERT能够捕捉句子中更长距离的依赖关系;最后,通过词性推理层提取方面词附近重要的局部特征,利用DPCNN对全局特征进行提取,获取更全面的上下文信息;将局部特征和全局特征进行融合,构成基于对抗训练和词性推理的情感分类模型。通过在4个公共数据集上进行实验,结果表明该模型的性能相较于其他基线模型有明显的提升。

基于自适应高斯滤波的超声斑点降噪

医学超声图像存在的斑点噪声降低了图像的质量,给临床诊断和图像的后续处理带来了困难。为了有效地去除噪声,本文提出了一种自适应高斯滤波的超声斑点降噪算法。该算法利用局部特征匹配计算出图像的处理窗口区域与参考区域的相似度,再根据相似度将整幅图像区分为斑点噪声区域和组织区域。同时利用相似度调整高斯滤波器的宽度值,使高斯滤波器对图像的不同区域进行不同程度的过滤。物理体模实验和人体超声肝脏实验结果表明,该算法可以有效地去除超声图像中的斑点噪声并保留组织结构,并且可使迭代次数大大减少,是一种有效的医学超声图像降噪方法。

基于空间位移复合的超声弹性成像抑噪

超声弹性成像已经成为一种有效的医疗诊断工具,在成像过程中由于信号幅度的波动、压缩前后信号的解相关"误差"等原因,导致运动位移估计存在误差,这种误差在弹性图像中表现为伪影噪声,降低了弹性成像的图像质量,给诊断带来了不利影响。本文研究了一种空间位移复合的方法来校正位移估计,以达到抑制伪影噪声的目的。本文在原理上说明了这种方法的正确性,实验结果表明了该方法的有效性,信噪比和对比度信噪比的提高也证明了这一点。

结合ONLSTM-GCN和注意力机制的中文评论分类模型

中文文本情感分类的一个难点是未利用句法信息来做分类决策从而需要大量训练数据.针对现有深度学习方法在语义分析中效果显著但尚未充分利用句法信息的现状,本文提出一种基于句法依存融合ONLSTM-GCN-Attention(OG-ATT)的中文评论文本分类的机器学习模型.该模型可在得到语义分析的基础上进一步捕获文本的句法信息并引入注意力机制使得文本中重要信息获得更高的决策权重,从而模型对评论文本类别做出准确的判断.本文在两个数据集(携程酒店评论数据集,新浪微博评论数据集)上进行实验根据准确率,召回率,精确率,F1值4项衡量指标,表明本文所使用的模型可以捕捉文本的句法信息并且相对于现有主流算法效果更优,实现了良好的分类效果.

基于分数阶微分的超声斑点去噪

为了保留更多的纹理信息,构建了基于具有阻止扩散的梯度阈值k,和分数阶微分的阶数v平衡关系的分数偏微分方程的图像去噪模型,其有效结合了分数微积分理论和偏微分方程方法,并通过分数微分掩模算子实现了数值。超声体模信验和体内成像表明:基于分数阶微分的各向异性扩散方法可以提高组织的信噪比(SNR)和超声图像的质量。

超声弹性图像去噪方法研究

超声弹性成像能直观展现各组织的弹性信息,已经成为肿瘤检测的重要工具。由于成像系统中的固有特性,使得图像遍布着大量伪影噪声,降低了图像的可辨读性。为了获取伪影噪声较少且组织边缘结构清晰的弹性图像,本文提出一种分数阶偏微分图像去噪方法,并通过各向异性算法有效平衡了梯度阈值k与微分阶数v的关系。人体体模弹性图像和仿真弹性图像的测试结果表明,该算法能有效改善弹性图像质量,增强边缘结构信息,且去噪后图像的信噪比及噪声比例差得到显著提升。

基于Bi-LSTM的医学文本分词模型

中文分词(Chinese Word Segmentation,CWS)是自然语言处理(Natural Language Processing,NLP)中一项重要的基础任务。由于不同领域中文词汇的特殊性以及缺乏相关领域的标记数据,面向特定领域的分词任务是近年来中文分词研究面临的挑战之一。因此,提出了一种基于双向长短时记忆网络(Bidirectional Long Short-Term Memory,Bi-LSTM)的分词模型,其中分别使用了大规模的中文通用语料以及少量中文医学语料训练模型来构建这种全新的分词模型。该模型在仅使用少量中文医学领域标记数据的情况下,在该领域的分词任务上获得了较好的分词效果,实验结果中的最优F1值为95.54%,相比单独使用中文医学语料训练的分词模型,有比较明显的提升。

基于特征向量的最小二乘支持向量机PM2.5浓度预测模型

针对大气中细颗粒物(PM2.5)浓度预测的问题,提出一种预测模型。首先,通过引入综合气象指数综合考虑风力、湿度、温度等因素;然后,结合实际二氧化硫(SO2)浓度、二氧化氮(NO2)浓度、一氧化碳(CO)浓度和PM10浓度等,构成特征向量;最后,利用特征向量和PM2.5浓度数据来建立最小二乘支持向量机(LS-SVM)预测模型。经2013年城市A和城市B环境监测中心的数据预测分析表明,引入综合气象指数后预测的准确性提高,误差降低近30%。说明该模型能够较为准确地预测PM2.5浓度,并具有较高的泛化能力。此外还分析了PM2.5浓度与住院率、医院门诊量的关系,发现了它们的高度相关性。

改进的非局部均值滤波算法

非局部均值滤波算法是一种能够较好保持图像纹理细节的降噪算法,但该算法不能自适应调节滤波参数且滤波结果易产生伪影。针对这些不足,提出一种自适应的且与各向同性算法相结合的非局部均值滤波算法。通过改进的拉普拉斯算子对图像的噪声方差进行估计,并将估计的方差应用于滤波系数的计算中,实现滤波系数的自适应选择。以局部方差作为调整因子,将非局部均值滤波算法与各向同性局部滤波算法相结合,减少滤波图像产生的伪影,提高图像质量。实验结果表明,与非局部均值滤波算法相比,该算法在保留图像纹理细节的同时能够更好地减少伪影,提高图像的峰值信噪比,具有更好的降噪效果。

一种基于局部统计参数的图像扩散降噪新算法

针对各向同性扩散算法容易模糊图像特征信息以及张量扩散算法在图像同质区域内的噪声点处易产生伪条纹的问题,提出了一种能有效反映图像局部结构特征的局部方差作为特征参数,并基于该特征参数将上述两种算法相结合的新算法。该算法在对图像不同性质的区域进行降噪时,能根据图像的局部统计信息来调整上述两种扩散算法在该区域的扩散速度,以充分利用上述两种算法的优点并避免其缺点。实验结果表明,所提算法较几种经典的算法能更有效地去除噪声和保护、增强图像的边缘等特征信息。

基于ROSE和C5.0算法的打鼾者OSAHS初筛模型

使用医疗信息系统的数据进行睡眠呼吸暂停低通气综合征(OSAHS)预测和分析过程中,存在不平衡数据问题。为此,在现有临床研究的基础上,提出了一种基于ROSE(Random Over Sampling Examples)和C5.0算法的初筛模型。利用收集到的人体测量学指标数据,通过数据预处理,删除异常值并填补缺失值。然后采用ROSE算法对数据进行平衡,利用C5.0分类器对平衡后的数据构建筛查模型,通过十则交叉验证的方法检验模型的筛查效果。实验结果表明,使用该模型进行打鼾患者的OSAHS筛查,可以有效地提高筛查效率。

基于阈值的脑白质纤维概率跟踪算法

概率跟踪算法仅对行走概率最大的方向进行跟踪,忽略了纤维走向概率较大的方向,且运算速度较慢。为此,提出一种基于阈值的快速概率跟踪算法。设定纤维走向的概率阈值,以找到更多交叉和分叉的纤维,在不影响纤维跟踪效果的情况下,对计算参数进行简化,从而提高运算速度。实验结果表明,与概率跟踪算法相比,该算法能更好地反映脑白质内神经纤维的分布情况,且缩短运算时间。

云南昆明地区阻塞性睡眠呼吸暂停低通气综合征患者的慢性阻塞性肺疾病流行状况

目的了解云南昆明地区阻塞性睡眠呼吸暂停低通气综合征(OSAHS)患者的慢性阻塞性肺疾病(COPD)的患病情况及重叠综合征(OS)的临床表现。方法回顾性研究4 636例打鼾患者,排除COPD以外慢性呼吸系统疾病,并对患者进行病情评估。测试内容包括AHI(呼吸暂停低通气指数)、BMI(体质量指数)、Epworth嗜睡量表测试和肺功能等。OS确诊的指标是同时满足AHI>5次/h并且FEV_1/FVC<70%。结果 2006-2012年,云南昆明地区OSAHS患者合并COPD的患病率为10.1%(95%CI 9.1%~11.1%),而且男性OS患病率高于女性,男性为10.2%,女性为9.7%。OS患者平均年龄为(56.9±14.1)岁,平均AHI为(47.46±26.79)次/h,平均FEV_1/FVC为(60.09±23.57)%。多导睡眠监测结果提示,单纯OSASH组和OS组患者夜间存在明显的低氧血症,但是OS组患者更为显著。肺功能检测结果提示,OS患者慢性阻塞性肺疾病病情更严重。结论 OSAHS患者合并COPD在云南昆明地区患病率较高,并且高年龄段患病率达到24%以上。同时OS患者较单纯OSAHS和COPD患者在肺功能和低氧血症病情表现更严重,但是其发病机制尚不能确定。

一种改进的条件方差和医学图像配准

多模医学图像配准是将不同医学成像模式提供的影像信息进行融合的关键步骤。条件方差和(SCV)是一种新的用于多模图像配准的相似性测度,但SCV的主要缺点是它仅使用量化信息来计算联合直方图。基于此,设计了一种新的插值函数来计算联合直方图,从而提高SCV的性能。将改进后的SVC用于多模医学图像配准,并与归一化互信息(MI)、交叉累积剩余熵(CCRE)和原SCV进行了比较。实验证明,相比NMI、CCRE和原SCV,本研究方法能配准具有不同空间变换和噪声的图像,具有更高的配准成功率和鲁棒性。

一种在扩散加权图像降噪中的算法

扩散加权图像中的噪声为莱斯噪声并且图像本身含有丰富的边界信息,因而要求对DWI图像有效降噪的同时,能够较好地保留图像的边界信息。由于BEMD算法可将图像分解为细节图像及余项图像,其所分解的细节图像包括DWI图像的边界信息以及主噪声,而余项图像则描述图像的趋势信息。因此,提出一种将二维经验模态分解算法与改进的维纳滤波器相结合的降噪算法,并将该算法应用于DWI图像的降噪中。通过实验,将所提出的算法与其他算法应用于DWI图像的降噪处理,并通过对结果的分析比较证明所提出的算法能够更有效地对DWI图像进行降噪处理。

基于领域词典的动态规划分词算法

由于中文分词的复杂性,不同专业领域具有不同的词典构造。该文通过隐马尔可夫模型(Hidden Markov model,HMM)中文分词模型对文本信息进行初步分词,并结合相关的搜狗领域词库构建出对应的领域词典,对新词出现进行监控,实时优化更新,从而提出了一种基于领域词典的动态规划分词算法。通过对特定领域的信息进行分词实验,验证了该文提出的分词算法可获得较高的分词准确率与召回率。实验结果表明,基于领域词典的动态规划分词算法与基于领域词典的分词算法相比,准确率和召回率都有提升。基于领域词典的动态规划分词算法与传统的smallseg分词、snailseg分词算法相比,分词召回率和准确率都有提升,分词召回率提升了大约1%,分词准确率提升了大约8%,进一步说明了该文提出的分词算法具有很好的领域适应性。

基于支持向量机的自适应均值滤波超声图像降噪

医学超声图像在成像过程中由于超声散射回波的相互干渉,导致所成图像中出现难以与器官、组织等人体结构区分的斑点噪声,给后期的临床诊断和图像后续处理带来了极大的不便。针对超声图像中的斑点噪声,提出了一种基于支持向量机(SVM)的自适应均值滤波超声图像降噪模型。该方法利用SVM的分类特性,将超声图像中的噪声信号和非噪声信号作出区分,再将SVM的分类结果和均值滤波相结合去对噪声图像进行去噪。这样可以保证医学含噪图像的组织区域和细节特征做到最大保留,噪声区域获得最大的平滑处理。在实验部分,通过对物理体膜和人体超声肝脏图像分别进行实验,结果表明,该方法可以有效抑制并降低超声图像中的斑点噪声,并保留了其边缘特征,使得去噪图像的信噪比显著增加,是一种有效的医学超声图像降噪方法。