陈延伟
- 作品数：2 被引量：1H指数：1
- 供职机构：立命馆大学更多>>
- 发文基金：国家教育部“211”工程更多>>
- 相关领域：哲学宗教医药卫生自动化与计算机技术更多>>
- 基于通道权重和数据效用特征的医学图像分割数据增强方法
- 2024年
- 在计算机辅助医疗诊断领域,获取含标签的医学数据代价昂贵,同时对模型的可解释性要求较高,而目前大多数深度学习模型存在数据缺乏和可解释性差的局限。为此,本文提出一种新颖的用于医学图像分割的数据增强方法,其优势和新颖之处在于,通过梯度类激活热力图提取数据效用特征并与原图像进行融合,然后构建新的通道权重特征提取器来学习不同通道间的权重,最终实现了不具有破坏性的数据增强效果,提升了模型的性能、数据效用和可解释性。将本文方法应用于超光谱-克瓦希尔(Hyper-Kvasir)数据集,U型网络(U-net)模型的交并比(IoU)和戴斯(Dice)系数分别有所提升;在国际皮肤成像合作组织(ISIC)档案文件(Archive)数据集(ISIC-Archive)上,深度研究实验室V3+网络(DeepLabV3+)模型的指标IoU和Dice系数也分别有所提升。此外,在仅使用70%的训练数据的情况下,依然取得了原模型在整个数据集上训练所得性能的95%,表现出良好的数据效用。而且,该方法所使用的数据效用特征具有内置的可解释信息,有助于提高模型的可解释性。本文所提方法普适性较好,可以即插即用,适用于不同的分割方法,且无需修改网络结构,因此易于集成到现有的医学图像分割工作中,可提高今后研究和应用的便利性。
- 武星陶晨杰李智张健张健韩先花孙群
- 关键词：医学图像分割可解释性
- 交互进化计算对焦虑测量的适用性探析被引量：1
- 2010年
- 大量的研究用stroop色词命名任务和点探测任务等经典的情绪研究方法证明了社交焦虑个体情绪识别的特殊性。该研究采用IEC(交互进化计算)的方法,研究了焦虑组和对照组(低焦虑组)在情绪感知动态范围上的差异性。实验要求第一组被试利用给出的IEC情绪识别光影系统设计出符合实验维度(高兴、恐惧)的图片,并让第二组被试对图片进行评估,得出每幅图片的心理数值范围。实验结果说明IEC可以适用于常规优化系统之外的一个新领域——心理健康的测量,同时也表明社交焦虑个体的情绪感知动态范围窄于正常人。
- 黄辛隐张琰陈延伟河林弥志徐爱兵
- 关键词：社交焦虑情绪识别
