【摘 要】
：
医学文本中经常存在某个化学物质与多个不同疾病同时相关的情况,传统的深度学习方法不能充分利用句子的长距离依赖信息和其他文本特征,导致医学实体较多的长文本中存在核心实
【机 构】
：
上海理工大学 光电信息与计算机工程学院,上海,200093
论文部分内容阅读
医学文本中经常存在某个化学物质与多个不同疾病同时相关的情况,传统的深度学习方法不能充分利用句子的长距离依赖信息和其他文本特征,导致医学实体较多的长文本中存在核心实体关系不精确的问题.为此提出双向简单循环神经网络(BSRU)与带注意力机制的卷积神经网络(ATT-CNN)相结合的模型,双向简单循环网络实现文本的长距离依赖信息和多种特征信息的向量表示,注意力机制-卷积神经网络减少噪声影响后使用不同大小的卷积核学习文本的多种特征,分段池化后通过分类完成关系抽取.通过实验验证,本文模型在化学物质与疾病的关系抽取中具有良好表现.
其他文献
基于相关滤波的目标跟踪算法已经取得了较好的性能并引起关注.在RGB图像序列的跟踪中,遮挡、背景与前景相似纹理的情况下会出现跟踪失败.本文提出了一种在判别相关滤波框架中融合深度信息的跟踪算法.由深度图分割获得空间可靠性图,根据可靠性图计算约束滤波器,避免传统判别相关滤波的边界效应.在跟踪阶段,通过对通道响应进行可靠性加权求和获得目标位置.通过目标的深度信息估计尺度,根据目标区域的深度分布和相关滤波器
医疗图像辅助诊断是深度学习在智慧医疗领域中的一个重要应用.针对传统图像处理方法中人工提取特征过程复杂度高、测试识别准确度低和泛化能力差等问题,本文利用深度学习方法对乳腺癌病理学图像进行计算机辅助诊断.先对VGG16浅层卷积网络引入冻结层,并训练微调其余部分参数,再对结合迁移学习的Inception-V3和Res Net-V2-152进行整体参数微调,最后将训练好的的三个模型进行融合,以增强最终识别
本文为解决IT系统结构可视化中IT架构不透明,结构关系复杂,IT系统结构实时渲染帧率低等问题,提出了一种面向IT系统结构可视化的实时渲染方法.通过建立IT结构可视化模型,采用端到端的设计理念,从底层IT基础设施至上层系统、业务、应用等逻辑层次的对象、元素、规则和关系以三维可视化形式呈现,使IT内部结构关系清晰可见.采用混合型布局算法,针对IT结构关系的不同特点,适配相应布局算法,从而适应复杂多变的
为了解决不等长时间序列异常检测和电梯故障的早期预测问题,提出一种长短时记忆自动编码器(( long short-term memory networks auto-encoder,LSTM-AE)与多层感知机(multi-la
近年来,利用机器学习技术对跨站脚本攻击(XSS攻击)进行检测成为网络安全研究的热点.由于检测特征多,样本标注有限,机器学习模型的精准训练问题一直是一个难题.贝叶斯网络可以
针对多层极端学习机(hierarchical extreme learning machine,HELM)对大样本数据集学习时容易发生过拟合现象且内存需求巨大的问题,提出一种基于最大相关熵准则的批量编码式
针对近红外图像与人脸库里的可见光图像匹配的异质人脸识别(Heterogeneous face recognition,HFR),以及人脸识别所用到的深度卷积网络参数量和计算量大的问题,提出了用于学习近红外光图像和可见光图像之间跨光谱域不变的特征的轻量级人脸识别算法.首先使用大规模可见光图像数据集和改进的交叉熵损失函数,训练出一个类内紧凑、类间可分的可见光人脸识别模型,然后用改进的近红外光与可见光图
安全帽佩戴检测与描述是施工图像理解中涉及施工安全的重要内容.本文提出了一种基于改进YOLOv3算法,使用规则和模板相结合的安全帽佩戴图像描述生成方法.首先采集并制作数据集,利用图像增强扩充数据样本;然后以原始YOLOv3为基础,改进多尺度预测结构和初始锚框参数,使用K-means算法进行目标框维度聚类;最后在自制的数据集上进行训练与检测,并根据预定义的规则结合语句模板生成描述语句.实验表明该方法在
乳腺癌诊断的图像处理过程主要包括以下三个步骤:感兴趣区域(ROI)提取、图像增强和特征提取.由于传统的图像增强方法是应用在整个ROI上的,因此ROI中不相关或无用信息的增强会转化为劣质特征.为了解决这一问题,提出了基于信息熵的图像局部增强策略.该策略对每幅乳腺图像的ROI进行局部分割,选择熵值最大的区域块.通过多轮的图像增强策略进一步改进优胜块,并嵌入到原始ROI中.在此过程中,将由熵权法计算结果
针对传统布匹疵点人工检测成本高、识别稳定性差的问题,本文提出一种基于深度残差网络的布匹疵点检测方法.首先,采用线阵相机、线性光源和传动系统设计布匹疵点检测装置;其次,根据采集图像的灰度值调整光源的光照强度,并对采集图像进行去噪滤波预处理;然后使用深度残差网络修改Faster R-CNN中的原始特征提取网络,获得更高的疵点特征精度;最后在Faster R-CNN的区域生成网络中增加预测锚点框,提升多