Results 101 to 110 of about 5,953 (218)
[Review on ultrasonographic diagnosis of thyroid diseases based on deep learning]. [PDF]
Sheng Wu Yi Xue Gong Cheng Xue Za Zhi, 2023 Qi F, Qiu M, Wei G.
europepmc +1 more source
大数据实体获取是信息抽取的核心任务。近年来，在大数据训练模型的趋势下，深度学习在实体获取任务上取得了成功。但在自然环境等领域中，地形、灾害等类型的实体样本或者标注样本很少，而且对无标签样本进行标注又耗时费力。因此，面向低资源场景的实体获取逐渐受到关注，该任务被称作低资源实体获取或小样本实体获取。系统地梳理了当前低资源实体获取的相关工作，具体来说介绍了基于元学习、基于多任务学习和基于提示学习这3类方法的研究现状；总结了目前常用的低资源实体获取数据集和代表性模型在这些数据集上的实验结果 ...
徐道柱, 赵凯琳, 康栋, 马超, 冯禹铭, 李紫宣, 弋步荣, 靳小龙
doaj +1 more source
Earth Science-Journal of China University of Geosciences, 2023 Faming Huang +5 more
semanticscholar +1 more source
, 2018 目的:针对儿童看病需求量大导致的儿科诊疗服务效率和准确率偏低等问题,利用自然语言处理和深度学习技术,从儿科历史病历数据中自动\"学习\"专家医生诊断模式,形成智能辅助诊断模型,从而对新的儿科病历数据输出疾病诊断决策。结果:基于深度卷积神经网络的七分类疾病智能诊断模型的正确率为84.26%,F1-score为84.33%,基本达到可投入实际应用的级别。结论:智能诊断决策作为预诊信息提供给医生进行确诊参考,对提升医生诊断速度效果明显。国家自然科学基金面上项目(编号:71571056 ...
何霆 +6 more
core
大数据随着地下水利、水务管网对材料需求的多样性和复杂性日益加剧，通过机器学习高效便捷地设计满足个性化需求的特种材料成为人们关注的热点。传统监督学习方法均以大量数据训练建模为基础，但从深埋地下水务管网、高端军工设备等领域所需的特种材料，如稀贵高熵合金等获取大数据集，需要的成本极高且周期较长。为了解决该问题，提出了一种小样本扩充模型——RX-SMOGN，使用极致梯度提升模型和使用交叉验证的递归特征消除算法进行特征筛选，使用SMOGN算法扩充数据集。提出以高熵合金相结构为研究对象 ...
杨涛, 张兆波, 郑添屹, 彭保
doaj +1 more source
[Application of Deep Learning Algorithm in the Grading Assessment of Corneal Fluorescein Staining]. [PDF]
Sichuan Da Xue Xue Bao Yi Xue Ban, 2023 Zhao Y, Zhang X, Yang B, Liu L.
europepmc +1 more source
[Advances in heart failure clinical research based on deep learning]. [PDF]
Sheng Wu Yi Xue Gong Cheng Xue Za Zhi, 2023 Lei Y, Liu S, Wu Y, Li C, Liu J.
europepmc +1 more source
基于目标检测算法的
He jishu面向高能同步辐射光源（High Energy Photon Source，HEPS）的高性能像素阵列探测器（HEPS-BPIX4）的数据获取系统（Data Acquisition，DAQ）需满足高实时性要求。通过在线压缩图像数据，可有效降低后续传输与存储的压力。针对传统压缩算法在压缩率和实时性方面的不足，本文提出了一种基于深度学习目标检测的图像数据在线压缩方法。采用端到端的YOLO（You Only Look Once）目标检测算法，对深度学习模型进行高效训练，并验证了其在HEPS-BPIX4 ...
肖 鹏飞 +3 more
doaj +1 more source
中西医结合护理Objective To explore the application effect of mind mapping combined with video feedback teaching in operation training and assessment for neurology nursing students. Methods This study adopted a non-randomized controlled trial method.
LI Amin (李阿敏) +7 more
doaj +1 more source