简介:以卷积神经网络为代表的深度学习算法在医学影像分析领域正引起广泛美注,并取得了令人惊叹的进步。为了进一步提高卷积神经网络在计算机辅助筛查肺结节应用的准确率,本文设计了2种改良的深度卷积神经网络,这些改进加快了神经网络的训练速度.有效地防止了算法的过拟合。相比只采用二维卷积核的其他检测模型,该模型能够有效地学习到CT影像三维重建后的图像特征。通过实验,改进的检测模型在LUNAl6数据集上的准确率明显好于其他模型,这种网络结构也可用于医学影像领域中其他三维图像的检测场景。最后,构建了一套适用于远程医疗的“计算机辅助肺癌筛查与诊断系统”,该系统能够自动检测出CT影像中肺结节,并给出结节的良恶性概率评估。通过该系统的应用,可以有效缓解放射科医生超高的劳动强度,提高阀片效率,服务更多患者;减少漏诊和误诊发生的次数,有助于提高肺结节的诊断准确率;从而促进我国肺癌早筛工作的推广。
简介:首先,研究了Erdos1合著网络的特征属性,一方面使用节点的度、介数、接近中心性来描述Erdos1合著网络节点重要性,另一方面使用特征向量中心性和本文提出的高阶度参数来描述Erdos1合著网络节点影响力;然后,分别用逼近理想解的排序(TOPSIS算法)算法和主成份分析(PCA)对节点重要性和影响力排序;最后,利用修改的网页排名(PageRank)算法讨论了网络科学原创性论文中最具影响力的论文。
简介:本文通过构造Lyapunov函数和利用不等式分析技巧,研究了具有时滞的细胞神经网络的稳定性,给出了与时滞无关的网络渐近稳定的充分判据,该判据可用于时滞细胞神经网络的设计与检验,有重要的理论意义与应用价值。
简介:P2P网络借贷作为电子商务在金融领域的延伸与应用,近年来得到广大学者的关注.但是目前的理论研究中,鲜有从投资者信息挖掘的角度进行投资决策分析.本文提出一个新颖的方法,即投资者构成分析方法,通过分析贷款的众多投资者信息遴选出最有价值的投资,辅助投资者进行投资决策.首先从投资者的历史投资收益率、风险偏好以及投资经验三个维度构建投资者档案(investorprofile),进而基于投资者档案构建投资者构成分析模型,最后通过美国最大的在线网络借贷网站Prosper的数据,对本文提出的构想及模型进行了实证研究.实验结果表明本文提出的利用投资者构成分析的方法辅助投资者进行投资决策是可行的,文中构建的模型表现出良好的预测能力,能够有效地筛选出有价值的投资.