深度学习模型是压缩光谱成像（CSI）恢复的最新模型。这些方法使用深神网络（DNN）作为图像发生器来学习从压缩测量到光谱图像的非线性映射。例如，深频谱先验方法在优化算法中使用卷积自动编码器网络（CAE）通过使用非线性表示来恢复光谱图像。但是，CAE训练与恢复问题分离，这不能保证CSI问题的光谱图像的最佳表示。这项工作提出了联合非线性表示和恢复网络（JR2NET），将表示和恢复任务链接到单个优化问题。 JR2NET由ADMM公式遵循优化启发的网络组成，该网络学习了非线性低维表示，并同时执行通过端到端方法训练的光谱图像恢复。实验结果表明，该方法的优势在PSNR中的改进高达2.57 dB，并且性能比最新方法快2000倍。
translated by 谷歌翻译
Histopathology imaging is crucial for the diagnosis and treatment of skin diseases. For this reason, computer-assisted approaches have gained popularity and shown promising results in tasks such as segmentation and classification of skin disorders. However, collecting essential data and sufficiently high-quality annotations is a challenge. This work describes a pipeline that uses suspected melanoma samples that have been characterized using Multi-Epitope-Ligand Cartography (MELC). This cellular-level tissue characterisation is then represented as a graph and used to train a graph neural network. This imaging technology, combined with the methodology proposed in this work, achieves a classification accuracy of 87%, outperforming existing approaches by 10%.
translated by 谷歌翻译
有必要开发负担得起且可靠的诊断工具，该工具允许包含COVID-19的扩散。已经提出了机器学习（ML）算法来设计支持决策系统以评估胸部X射线图像，事实证明，这些图像可用于检测和评估疾病进展。许多研究文章围绕此主题发表，这使得很难确定未来工作的最佳方法。本文介绍了使用胸部X射线图像应用于COVID-19检测的ML的系统综述，旨在就方法，体系结构，数据库和当前局限性为研究人员提供基线。
translated by 谷歌翻译
估计回归函数的估计是兴趣的。惩罚回归（PR）是一个统计上有效的，研究的解决问题。不幸的是，在许多情况下，发现PR问题的确切解决方案是计算难以解决的。在此稿件中，我们为这些方案提出了一种基于网格的近似解决方案（MBS）。MBS将NPR的复杂功能最小化转换为有限参数，离散凸起最小化;并允许我们利用现代凸优化的工具。我们在许多明确的示例中显示MBS的应用（包括单一和多变量回归），并探讨参数数量必须随我们的样本大小增加，以便MBS保持NPR的速率 - 最优性。我们还提供了一种有效的算法，以最小化MBS目标，同时有效地利用MB中固有的稀疏性。
translated by 谷歌翻译
许多学习任务需要观察一系列图像并做出决定。在节点之间的运输盒的运输问题中，我们展示了如何将节点网络和它们之间的流量视为图像。这些图像具有可以统计汇总的有用结构信息。使用图像压缩技术，我们将图像降低到包含我们调用地理签名的可解释的地理信息的一组数字。使用地理签名，我们学习可用于建议未来网络连接的网络结构。我们开发出一种贝叶斯增强算法，利用统计总结网络信息作为前瞻和用户决策，以加强代理人的概率决策。
translated by 谷歌翻译