迁移学习在医学图像分析中的应用研究综述

迁移学习是机器学习中一种新的学习范式,它可以克服深度学习需要大量样本的缺陷,能够解决医学图像分析中数据集较小导致模型不准确的问题,因而成为继深度学习之后在医学图像分析领域的研究热点。对迁移学习进行概要阐述,按照目前医学图像分析中应用的主要迁移学习方法,即基于数据的迁移学习、基于模型的迁移学习、对抗式迁移学习和混合迁移学习,对医学图像分析领域的重要文献进行整理和归纳,分析每种迁移学习的机制、适用范围、应用情况和优缺点,再对这几种迁移学习方法进行总结、分析及比较。针对研究现状的不足指出该领域的研究发展趋势,为迁移学习在该领域的深入研究提供参考。

蛋白质功能模块检测的聚类方法综述

在蛋白质相互作用(Protein-Protein Interaction,PPI)网络中检测蛋白质功能模块有助于预测未知蛋白质的功能模块。随着蛋白质相互作用有效数据迅速增长,如何通过PPI网络获得有效的蛋白质功能模块成为最大挑战。阐述PPI网络的发展及现状,通过对当前蛋白质功能模块检测算法进行归纳总结,把它们分为单元聚类和多元聚类,并对每类的代表性方法进行详细阐述;讨论蛋白质相互作用网络功能模块检测研究所面临的挑战及未来研究方向。