一种标签嵌入子空间的跨模态离散哈希学习

针对有监督的跨模态哈希检索存在计算成本高及准确度不高的问题,提出了一种标签嵌入子空间的跨模态离散哈希学习方法,将数据信息和标签信息同时嵌入到公共子空间中,通过以带标签信息的语义特征逼近公共子空间、并生成低松弛的离散哈希码,降低了计算成本,快速生成了具有丰富语义的公共子空间.经3个标准数据集对比实验,结果表明其准确率均优于被比较的方法.

引入人工智能构建肺癌中医处方系统探索

目的:探讨采用人工智能技术构建中医药治疗肺癌处方系统。通过构建智能处方系统并利用2955例次中医肺癌门诊资料完成模型训练,使其能完成较高准确率的处方输出,并最终应用于临床治疗参考。方法:使用基于高斯核的岭回归的算法,然后通过实际的病例108例次结合专家评估来验证处方的准确率。结果:出现频率次数高于300的药物,准确率达到62.9%,召回率80.2%,F1值为70.5;分类考虑不同药物出现频率后,出现频率大于300次的准确率可以达到66.8%,召回率74.4%,F1值为70.3,专家对处方的评估(10分制),方法一评分为8分,方法二评分为8.3分。结论:现阶段肺癌人工智能处方系统的准确率比较令人满意,单病种的中医药人工智能处方系统可能可以作为人工智能运用到中医诊疗的一个突破口,该系统可以有望用于提高中医药传承效率,促进中医药传承和发展,后期将进一步提高病例数,改进病历提取模式,提升系统效能。