国家自然科学基金(61272274)
- 作品数：12 被引量：71H指数：6
- 相关作者：刘娟罗飞袁静萍卢笑邵鹏更多>>
- 相关机构：武汉大学湖南大学国家电网公司更多>>
- 发文基金：国家自然科学基金湖北省自然科学基金教育部“新世纪优秀人才支持计划”更多>>
- 相关领域：自动化与计算机技术医药卫生理学更多>>
- 基于苏木素-伊红组织病理图像的计算机辅助的乳腺癌预后被引量：5
- 2016年
- 定量分析苏木素-伊红(H&E)染色组织病理图像作为一个新兴领域得到越来越多的关注。本文综述了计算机辅助的图像分析方法在乳腺癌预后中的应用。首先简述了乳腺癌基于H&E组织病理图像的传统预后评估。然后概述了计算机辅助的预后评估,包括图像采集、图像预处理、感兴趣区域检测及对象分割、特征提取,以及计算机辅助的预后。最后总结了计算机辅助的乳腺癌预后研究所面临的主要挑战和未来的发展方向。
- 陈佳梅屈爱平刘文楼王林伟袁静萍刘娟李雁
- 关键词：乳腺癌
- 基于层次过滤模型的中文指代消解被引量：6
- 2016年
- 针对现有的中文指代消解研究大多采用二元分类模型,容易出现消解正确率低的特征覆盖消解正确率高的特征以致模型指代划分错误的问题,提出了一种改进的层次过滤模型用于中文指代消解。该模型结合中文语义知识,在原模型中加入语义匹配层,该层通过引入Web语义知识很好地弥补了中文语义知识库较小的不足,并针对中文的特点对原模型的待消解项识别层进行相应的修改使之更加适合中文指代消解。将上述模型与两类基准系统在ACE2005中文语料上进行5种测评,结果表明,所提出模型的F平均值分别高于两类基准系统约4%和9%。
- 周炫余刘娟邵鹏罗飞刘洋
- 关键词：人工智能语义知识指代消解自然语言处理
- 中文指代消解模型的对比研究被引量：7
- 2016年
- 指代消解的基本任务是把指向现实世界中相同实体的所有实体表达关联起来。与英文指代消解的研究相比,中文指代消解的研究相对较少,至今没有对现存的中文指代消解模型进行公平的测评和比较,主要原因是现存的中文指代消解模型在训练和测评时采用了不同的语料,且所选用的特征属性也不相同。基于上述原因,实现了5类基本的中文指代消解模型,并在ACE2005中文语料上进行同平台、同语料、同特征的测评。通过测评比较了各类模型的性能,同时分析和探讨了影响中文指代消解模型精度的各种因素。
- 周炫余刘娟罗飞刘洋颜晗
- 关键词：人工智能指代消解自然语言处理
- 计算机图像分析挖掘乳腺癌病理预后新指标被引量：2
- 2014年
- 应用计算机辅助图像分析方法研究了230例乳腺浸润性导管癌(invasive ductal carcinoma of the breast,IDC)的1 150张苏木素-伊红组织病理图像。用支持向量机模型分割上皮-间质,用标记点控制的分水岭算法分割细胞核,提取出730个形态学特征。Kaplan-Meier生存分析显示12个形态学特征与8年无病生存相关(P<0.05);Cox比例风险回归模型显示其中4个参数为独立预后因子:癌巢细胞密度(HR 1.645,95%CI[1.193,2.270],P=0.002)、间质细胞结构特征(HR 1.507,95%CI[1.084,2.095],P=0.015)、癌巢特征(HR 1.361,95%CI[1.026,1.804],P=0.032)及癌巢细胞核特征(HR 0.731,95%CI[0.538,0.993],P=0.045),可作为预测IDC预后的病理新指标。
- 陈佳梅屈爱平王林伟袁静萍杨芳向清明Ninu Maskey杨桂芳刘娟李雁
- 关键词：乳腺浸润性导管癌形态学特征
- 基于卷积神经网络和迁移学习的乳腺癌病理图像分类被引量：16
- 2018年
- 乳腺癌已经成为导致女性死亡最常见的和发病率最高的恶性肿瘤。对HE染色的乳腺癌病理图像的自动分类具有重要的临床意义。针对目前存在的深度卷积神经网络只将图像分为良性和恶性两类,同时对于高分辨率图像处理具有局限性的不足,采用了以AlexNet为架构的卷积神经网络模型将图像分为乳腺导管原位癌、乳腺浸润性导管癌、乳腺纤维腺瘤和乳腺增生四类。对于高分辨率图像,采用图像分块的思想,将每块的分类结果利用多数投票算法进行整合,整合结果作为该图像的分类结果。同时,为了避免因乳腺癌病理图像标记样本过少带来的过拟合问题,采用了迁移学习和数据增强的方法。实验结果表明,该模型识别率达到了99.74%。
- 郑群花段慧芳沈尧刘娟袁静萍
- 关键词：卷积神经网络图像分块
- 乳腺浸润性微乳头状癌临床病理分析被引量：4
- 2015年
- 目的:探讨乳腺浸润性微乳头状癌(IMPC)的临床病理特征、诊断、鉴别诊断及预后。方法:回顾性分析7例乳腺IMPC患者的临床表现、组织病理特点、免疫组化结果,同时进行文献复习。结果:7例乳腺IMPC患者无特殊临床症状和体征。组织病理特点:IMPC肿瘤细胞团排列形成不含纤维血管轴心的微小乳头状或假腺管状结构,其外侧缘呈锯齿或毛刺状;每个肿瘤细胞团与周边的间质之间存在大小不等的腔隙,其内缺乏内容物。免疫组化染色EMA阳性部位在癌细胞巢团的外缘。结论:乳腺IMPC是一种特殊类型的乳腺浸润性癌,比较少见,但因其具有高淋巴血管侵犯、高淋巴结转移等恶性生物学行为,预后较差,应引起病理及临床医生的足够重视。
- 杨芳李雁
- 关键词：浸润性微乳头状癌乳腺癌预后
- 一种联合文本和图像信息的行人检测方法被引量：12
- 2017年
- 针对纯视觉行人检测方法存在的误检、漏检率高,遮挡目标以及小尺度目标检测精度低等问题,提出一种联合文本和图像信息的行人检测方法.该方法首先利用图像分析的方法初步获取图像目标的候选框,其次通过文本分析的方法获取文本中有关图像目标的实体表达,并提出一种基于马尔科夫随机场的模型用于推断图像候选框与文本实体表达之间的共指关系(Coreference Relation),以此达到联合图像和文本信息以辅助机器视觉提高交通场景下行人检测精度的目的.在增加了图像文本描述的加州理工大学行人检测数据集上进行的测评结果表明,该方法不仅可以在图像信息的基础上联合文本信息提高交通场景中的行人检测精度,也能在文本信息的基础上联合图像信息提高文本中的指代消解(Anaphora Resolution)精度.
- 周炫余刘娟卢笑邵鹏罗飞
- 关键词：行人检测马尔科夫随机场指代消解
- 基于测度优化Laplacian SVM的中文指代消解方法被引量：1
- 2016年
- 相比于传统的基于半监督学习的指代消解方法,Laplacian SVM(Support Vector Machine)能有效的挖掘已标注样本和未标注样本的相似性和关联性,更好的推导模型的分类边界.而传统Laplacian SVM采用欧式距离度量样本之间的距离,使得异类样本之间的相似性可能过大,不利于样本的准确分类.对此,提出一种基于数据驱动学习最优测度Laplacian SVM算法以解决中文指代消解语料不足的问题.该方法通过优化样本对之间的相似性约束条件和引入Fisher判别项,增大同类样本间的相似性,并突出强判别能力的特征.此外,提出核嵌入的测度优化方法将以上线性测度优化推广到非线性空间,有利于Laplacian SVM利用核函数实现非线性分类.在ACE2005中文语料库上的测评结果表明,所提出测度优化的Laplacian SVM(包括线性和核嵌入两种形式)的方法只需少量标注样本就可以获得与经典的有监督学习模型相当甚至更好的消解性能,同时也优于其他传统的半监督学习方法.
- 周炫余刘娟邵鹏卢笑罗飞
- 关键词：LAPLACIANSVM半监督学习自然语言处理
- 密集卷积神经网络和辅助特征相结合的乳腺组织病理图像有丝分裂检测方法被引量：1
- 2019年
- 显微镜下特定大小视野范围内的平均有丝分裂个数是乳腺癌分级的一个重要指标。传统的人工检测方法耗时费力,结果受病理医生主观因素影响大,容易出错。本文提出将密集卷积神经网络(DenseNet)与辅助特征相结合,构建预测模型,以实现有丝分裂的自动检测。本文方法针对训练过程中正负样本严重不均衡问题,使用代价敏感损失函数缓解该问题。利用本文方法与其他算法对乳腺组织病理图像有丝分裂进行检测,实验结果表明,本文方法在独立测试集上的F分数为0. 801 9,高于其他方法,验证了其有效性。
- 段慧芳刘娟
- 篇章中指代消解研究综述被引量：7
- 2014年
- 指代消解的基本任务是识别篇章中对现实世界同一实体的不同表达.由于消解不同实体表达是自然语言理解的关键因素之一,因此许多学者在该领域做了大量的研究工作.本文将指代消解领域的经典算法综述为两大类:①基于启发式语言学规则的指代消解方法;②基于数据驱动的指代消解方法.在过去的几十年里,由于标注语料MUC,ACE和OntoNotes的出现,指代消解系统从基于启发性规则的消解方法转向基于数据驱动的消解方法.然而最近两年出现一个比较有趣的现象,只要能获取足够多的表达信息,基于启发性规则的方法也能取得很好的消解效果,基于启发性规则的方法又有兴起的趋势.随着指代消解研究的发展,它在其余自然语言处理技术中得到了广泛的应用,例如:机器翻译、信息抽取和自动文摘等领域.计算模型不精确、篇章知识匮乏以及缺少标注语料是限制指代消解发展的主要因素.未来,候选消解项的识别与抽取、跨文本指代消解、多语言的指代消解和各种深层篇章知识的联合利用将成为指代消解发展趋势.
- 周炫余刘娟卢笑
- 关键词：自然语言处理指代消解共指消解数据挖掘
