广东省自然科学基金(S2012010010212)
- 作品数：18 被引量：112H指数：6
- 相关作者：曾安潘丹杨海东徐小强李晓兵更多>>
- 相关机构：广东工业大学广东建设职业技术学院广州市本真网络科技有限公司更多>>
- 发文基金：国家自然科学基金广东省自然科学基金广州市科技计划项目更多>>
- 相关领域：自动化与计算机技术医药卫生更多>>
- 基于3D卷积神经网络-感兴趣区域的阿尔茨海默症辅助诊断模型被引量：5
- 2020年
- 磁共振(magnetic resonance imaging,MRI)图像的预测分类对早期阿尔茨海默症(Alzheimer′s disease,AD)的诊断非常重要。轻度认知障碍(mild cognitive impairment,MCI)作为AD的一种早期阶段,在诊断时存在大脑脑区萎缩区域不明确,诊断准确率偏低等问题。本研究提出一种基于感兴趣区域(regions of interest,ROI)的3D卷积神经网络(convolutional neural network,CNN)模型来解决AD分类准确率偏低等问题,进而实现对AD的计算机辅助诊断。实验数据均来自ADNI数据库,实验结果表明,基于ROI的3D CNN的AD辅助诊断模型在分类AD vs正常对照(normal control,NC)、MCI转化AD(MCI converted to AD,MCIc)vs NC和MCI未被转化AD(MCI not converted to AD,MCInc)vs MCIc的5折交叉验证平均准确率分别为85.2%、83.9%、68.5%。相比于传统的主成分分析+支持向量机方法和单纯的切片集成方法,本研究方法在AD辅助诊断中取得了更好的分类效果和泛化能力,还可为其他脑疾病诊断提供新思路。
- 曾安邹超潘丹
- 关键词：阿尔茨海默症卷积神经网络感兴趣区域
- 融合了LSTM和PMF的推荐算法被引量：4
- 2020年
- 推荐系统是帮助用户在海量的数据中快速发掘出他们感兴趣内容的最重要的技术之一。稀疏性和冷启动是推荐系统面临的主要问题。针对稀疏性问题,已有多种推荐算法考虑利用额外的辅助信息,如评论、摘要或概要等来提高预测准确性。这些算法确实已经在一定程度上提高了预测准确性,但是,已有的算法大都是基于词袋模型,对这些辅助信息的理解和利用缺乏深度,留于表面。提出了一种新型的推荐系统算法:深度协同过滤算法(DCF)。DCF集成了长短期记忆网络(LSTM)和概率矩阵分解(PMF)。该算法不仅能够基于用户评分学习用户特征,而且能深度挖掘辅助信息,学习到更精确的物品特征。经过在真实数据集MovieLens100K和1M上的验证,结果表明DCF算法的根均方误差比现有算法分别降低了2.54%和3.96%。
- 曾安赵恢真
- 关键词：推荐系统
- 基于最大信息系数的贝叶斯网络结构学习算法被引量：4
- 2017年
- 在引入最大信息系数的基础上,提出一种改进的贝叶斯网络结构学习算法。在给定数据集的条件下,基于最大信息系数对变量间的关联度进行检测,根据筛选因子和关联度构造贝叶斯网络的初始化结构,并结合贪婪算法对初始网络结构进行局部优化,将局部最优解进行整合形成全局最优解,生成最终的网络结构。在Asia和Car基准网络上的实验结果表明,与基于传统贪婪算法、随机K2算法的贝叶斯网络结构学习算法相比,该算法可以学习到与基准网络更相近的贝叶斯网络结构,并且具有较高的正确边均值和分类准确率。
- 曾千千曾安潘丹杨海东邓杰航
- 关键词：贝叶斯网络贪婪算法
- 基于sMRI的阿尔茨海默症分类影响因素研究被引量：5
- 2018年
- 本研究提出基于三类解剖特征的SVM建模方法,探索样本、特征及算法选择三个因素,对阿尔茨海默症(AD)及其前驱阶段分类的重要性。该方法以三维重构s MRI后不同大脑区域的灰质体积、皮层表面积及其平均厚度三类特征作为SVM模型的输入参数,并采用十折交叉验证方法对AD患者、轻度认知损害患者和健康者进行分类识别,并与其他文献结果进行比较分析。实验结果表明,为了达到更高的分类准确率,选择合适的样本和特征,比选择算法更重要。此结论为未来AD的计算机辅助诊断研究工作提供了有益的指导。
- 黎建忠曾安潘丹潘丹郭慧王卓薇
- 关键词：阿尔茨海默症轻度认知损害支持向量机
- 基于MIC的深度置信网络研究被引量：2
- 2016年
- 传统的深度置信网络(DBNs)训练过程采用重构误差作为RBM网络的评价指标,它能在一定程度上反映网络对训练样本的似然度,但它并不是可靠的。而最大信息系数(MIC)能反映两个属性间的相关度,保留相关度较大的属性,且MIC较稳健,不易受异常值的影响,可作为网络评价指标。故提出一种基于最大信息系数(MIC)的深度置信网络方法,一方面用MIC对数据进行降维预处理,提高数据与网络的拟合度,降低网络分类误差;另一方面将MIC作为网络评价标准,改进重构误差的不可靠性。分别利用传统方法与基于MIC的深度置信网络方法对手写数据集MNIST和USPS进行分类实验,结果表明,基于MIC的深度置信网络方法能有效地提高识别率。
- 曾安郑齐弥
- 关键词：重构误差降维
- 基于深度双向LSTM的股票推荐系统被引量：22
- 2019年
- 面对越来越复杂的数据环境,以经典统计学模型为主的股票预测模型在一定程度上已无法满足人们对预测准确性的要求。深度学习因具有较强的学习能力和抗干扰能力,已逐渐被应用于股票推荐中。但传统的股票推荐模型要么从未考虑时间因素,要么仅考虑时间上的单向关系。因此,文中提出了一种基于深度双向LSTM的神经网络预测模型。该模型充分利用了时间序列上向前、向后两个时间方向的上下文关系,解决了长时间序列上的梯度消失和梯度爆炸问题,能够学习到对时间有长期依赖性的信息。同时,该模型引入了Dropout策略,在一定程度上解决了深层网络模型带来的训练难、收敛速度慢和过拟合等问题。在S&P500数据集上的实验表明,基于深度双向LSTM的神经网络预测模型比现有预测模型在误差上降低了2%~5%,使决定系数(r2)提高了10%。
- 曾安聂文俊
- 关键词：推荐系统股票预测
- 基于最小描述长度和K2的贝叶斯网络结构学习算法被引量：5
- 2014年
- 为了找到既简约又客观的网络结构,在分析最小描述长度(MDL)测度和K2算法特点的基础上,提出了一种将MDL与K2算法相结合的贝叶斯网络结构学习算法(KMBN).实验结果表明,KMBN算法在时间复杂性和可靠性方面都优于传统的K2算法和基于K2与模拟退火的贝叶斯网络结构学习算法.
- 曾安李晓兵杨海东潘丹
- 关键词：MDLK2算法
- 基于贝叶斯网络的老年重症患者的预后评估被引量：1
- 2014年
- 针对当前重症患者预后相关因素的研究主要集中于线性回归分析,构建了一基于贝叶斯网络的老年重症患者预后评估系统。提出了一种基于最小描述长度与K2算法的贝叶斯方法,以获得较优的网络结构;并利用最大似然估计进行参数学习。四折交叉抽样的实验结果表明,所构建系统的预测精度比传统的BP神经网络和基于K2的贝叶斯网络学习分别提高了6.87%和27.20%.这将为医生预测高龄患者在ICU治疗中的受益程度提供临床决策支持。
- 曾安李晓兵杨海东潘丹谢光强董家辉
- 关键词：贝叶斯网络预后评估
- 基于卷积循环神经网络的阿尔茨海默症早期诊断被引量：6
- 2020年
- 早期准确诊断能延迟阿尔茨海默症(Alzheimer′s disease,AD)病情的恶化。磁共振成像(MRI)和正电子发射断层扫描(PET)已被证明有助于了解AD相关的解剖和功能性神经变化。近期研究表明,多模态特征的融合可以提高分类性能。本研究提出了一种基于卷积循环神经网络的多模态数据分类新框架,新框架结合了2D卷积神经网络和循环神经网络,以学习3D MRI和3D PET图像切分为2D切片序列之后的切片内、切片间特征,完成AD的早期诊断。本研究方法在AD与NC的分类实验中ACC为93.3%,AUC为98.1%;在MCIc与NC的分类实验准确率为83.8%,AUC为91.9%;MCIc与MCInc的分类实验准确率为79.0%,AUC为88.9%。结果表明该方法具有良好的分类性能。
- 曾安黄殷潘丹潘丹
- 关键词：阿尔茨海默症循环神经网络磁共振成像正电子发射断层扫描图像分类
- 基于FCN和互信息的医学图像配准技术研究被引量：5
- 2020年
- 针对传统配准方法在进行三维多模态图像配准时存在收敛速度较慢、容易陷入极值等问题,提出一种基于全卷积神经网络(Fully Convolutional Networks,FCN)和互信息的配准方法。利用FCN模型提取二维图像深层特征并进行粗配准;将得到的配准结果作为互信息算法的初始搜索点,从而使搜索范围缩小至全局最优解附近;利用互信息算法对参数进一步微调优化,得到最优三维配准结果。实验结果表明,在进行CT-MR图像配准时,所提方法不仅可以大幅度提升配准速度,还能有效避免局部收敛的情况,具有更高的准确性。
- 曾安王烈基潘丹潘丹
- 关键词：多模态
