期刊导航
期刊开放获取
河南省图书馆
退出
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
2
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式:
文摘
详细
列表
相关度排序
被引量排序
时效性排序
面向多模态医学语料库的皮肤镜图像分类
1
作者
韩泓丞
林玉萍
+6 位作者
郭钦钵
张栋
许美凤
朱龙飞
李小棉
冯丽丽
岳婕
《西北大学学报(自然科学版)》
CAS
CSCD
北大核心
2023年第3期377-386,共10页
多模态医学语料库是医学研究、临床诊断和教学的重要工具之一。然而,现有的医学语料库大多仅有文本数据,缺乏匹配的直观图像,信息不够充分。而大量医学图像缺少明确的语义标签,导致构建语料库困难。针对上述问题,该文提出一种面向多模...
多模态医学语料库是医学研究、临床诊断和教学的重要工具之一。然而,现有的医学语料库大多仅有文本数据,缺乏匹配的直观图像,信息不够充分。而大量医学图像缺少明确的语义标签,导致构建语料库困难。针对上述问题,该文提出一种面向多模态医学语料库的皮肤镜图像分类方法,通过对皮肤镜图像进行精确分类获取语义标签,并结合自然语言处理方法匹配相关文本信息,从而建立图像与文本相结合的多模态语料库。首先,针对传统机器学习图像分类方法对病灶特征提取较弱且易受背景噪声影响,导致病灶分类精度差的问题,该文构建双流网络,通过融合病灶的形状与纹理特征增强病灶特征提取能力。其次,为减少特征融合导致的信息冗余,引入了基于通道注意力机制的特征筛选方法,关注关键特征并抑制噪声影响。此外,针对皮肤镜图像良恶性样本数量不均衡导致的模型优化困难问题,引入非对称损失函数,提升模型对样本不均衡的鲁棒性。在ISIC皮肤镜图像数据集上的实验结果表明,该文所提方法能够快速准确地分类皮肤镜图像,并将图像与病历文本进行精准匹配以构建多模态医学语料库。
展开更多
关键词
多模态语料库
皮肤镜图像
图像分类
卷积神经网络
自然语言处理
下载PDF
职称材料
基于医学影像和病历文本的甲状腺多模态语料库构建与应用
被引量:
8
2
作者
林玉萍
龙红
+3 位作者
李彪
郭钦钵
王娟
岳婕
《西北大学学报(自然科学版)》
CAS
CSCD
北大核心
2021年第2期198-206,共9页
多模态语料库作为一种新型计算机辅助医学诊断与学习研究的工具,有利于相似病例的诊治借鉴,但基于直观影像和电子病历标注的多模态医学语料库并不多见,且多数为人工构建,费时费力,如甲状腺等语料库。因此,该文提出了一种基于医学影像和...
多模态语料库作为一种新型计算机辅助医学诊断与学习研究的工具,有利于相似病例的诊治借鉴,但基于直观影像和电子病历标注的多模态医学语料库并不多见,且多数为人工构建,费时费力,如甲状腺等语料库。因此,该文提出了一种基于医学影像和病历文本的甲状腺多模态语料库的自动构建方法。由于甲状腺结节的声像图表现复杂多样以及良恶性判断困难,基于传统深度学习的医学影像分类方法的精度较低,该文提出基于特征筛选的深度学习分类方法去除冗余和噪声特征,提高良恶性分类准确率,并结合自然语言处理方法提取电子病历的关键文本特征信息以构建多模态语料库。实验结果表明,该文提出的分类算法在甲状腺超声影像数据集可以实现甲状腺结节良恶性的精确分类识别,有效构建医学影像与电子病历多模态语料库。该语料库的建立有利于相关案例教学,方便医学生自学有关的医学知识,也为医务工作者更为全面和准确地解读疾病的病理信息提供重要的参考价值。
展开更多
关键词
多模态语料库
深度学习
特征筛选
电子病历文本
自然语言处理
下载PDF
职称材料
题名
面向多模态医学语料库的皮肤镜图像分类
1
作者
韩泓丞
林玉萍
郭钦钵
张栋
许美凤
朱龙飞
李小棉
冯丽丽
岳婕
机构
西安交通大学人工智能学院
西安交通大学外国语学院
西安交通大学自动化科学与工程学院
西安交通大学第二附属医院皮肤科
韩国全北国立大学英语教育学系
西安交通大学第一附属医院儿科
出处
《西北大学学报(自然科学版)》
CAS
CSCD
北大核心
2023年第3期377-386,共10页
基金
陕西省自然科学基础研究计划面上项目(2022JM-324)
陕西省社会科学基金项目(2021K014)。
文摘
多模态医学语料库是医学研究、临床诊断和教学的重要工具之一。然而,现有的医学语料库大多仅有文本数据,缺乏匹配的直观图像,信息不够充分。而大量医学图像缺少明确的语义标签,导致构建语料库困难。针对上述问题,该文提出一种面向多模态医学语料库的皮肤镜图像分类方法,通过对皮肤镜图像进行精确分类获取语义标签,并结合自然语言处理方法匹配相关文本信息,从而建立图像与文本相结合的多模态语料库。首先,针对传统机器学习图像分类方法对病灶特征提取较弱且易受背景噪声影响,导致病灶分类精度差的问题,该文构建双流网络,通过融合病灶的形状与纹理特征增强病灶特征提取能力。其次,为减少特征融合导致的信息冗余,引入了基于通道注意力机制的特征筛选方法,关注关键特征并抑制噪声影响。此外,针对皮肤镜图像良恶性样本数量不均衡导致的模型优化困难问题,引入非对称损失函数,提升模型对样本不均衡的鲁棒性。在ISIC皮肤镜图像数据集上的实验结果表明,该文所提方法能够快速准确地分类皮肤镜图像,并将图像与病历文本进行精准匹配以构建多模态医学语料库。
关键词
多模态语料库
皮肤镜图像
图像分类
卷积神经网络
自然语言处理
Keywords
multi-modal corpus
dermoscopic image
image classification
convolutional neural network
natual language processing
分类号
TP181 [自动化与计算机技术—控制理论与控制工程]
下载PDF
职称材料
题名
基于医学影像和病历文本的甲状腺多模态语料库构建与应用
被引量:
8
2
作者
林玉萍
龙红
李彪
郭钦钵
王娟
岳婕
机构
西安交通大学外国语学院
西安交通大学软件学院
西安交通大学生命科学与技术学院
西安交通大学第二附属医院医用超声研究室
西安交通大学第一附属医院儿科
出处
《西北大学学报(自然科学版)》
CAS
CSCD
北大核心
2021年第2期198-206,共9页
基金
陕西省重点研发计划高校联合项目(2020GXLH-Y-008)
陕西省教育科学“十三五”规划2017年度课题(SGH17H003)。
文摘
多模态语料库作为一种新型计算机辅助医学诊断与学习研究的工具,有利于相似病例的诊治借鉴,但基于直观影像和电子病历标注的多模态医学语料库并不多见,且多数为人工构建,费时费力,如甲状腺等语料库。因此,该文提出了一种基于医学影像和病历文本的甲状腺多模态语料库的自动构建方法。由于甲状腺结节的声像图表现复杂多样以及良恶性判断困难,基于传统深度学习的医学影像分类方法的精度较低,该文提出基于特征筛选的深度学习分类方法去除冗余和噪声特征,提高良恶性分类准确率,并结合自然语言处理方法提取电子病历的关键文本特征信息以构建多模态语料库。实验结果表明,该文提出的分类算法在甲状腺超声影像数据集可以实现甲状腺结节良恶性的精确分类识别,有效构建医学影像与电子病历多模态语料库。该语料库的建立有利于相关案例教学,方便医学生自学有关的医学知识,也为医务工作者更为全面和准确地解读疾病的病理信息提供重要的参考价值。
关键词
多模态语料库
深度学习
特征筛选
电子病历文本
自然语言处理
Keywords
multimodal corpus
deep learning
feature selection
electronic medical record text
natural language processing
分类号
TP391 [自动化与计算机技术—计算机应用技术]
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
面向多模态医学语料库的皮肤镜图像分类
韩泓丞
林玉萍
郭钦钵
张栋
许美凤
朱龙飞
李小棉
冯丽丽
岳婕
《西北大学学报(自然科学版)》
CAS
CSCD
北大核心
2023
0
下载PDF
职称材料
2
基于医学影像和病历文本的甲状腺多模态语料库构建与应用
林玉萍
龙红
李彪
郭钦钵
王娟
岳婕
《西北大学学报(自然科学版)》
CAS
CSCD
北大核心
2021
8
下载PDF
职称材料
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部