在这项工作中,我们报告了结合IEEE国际生物医学成像研讨会(ISBI)2016和国际医学影像计算机辅助干预会议(MICCAI)2017年组织的肝肿瘤分割基准(LITS)的设置和结果。将24种有效的最先进的肝脏和肝脏肿瘤分段算法应用于一组131个计算机断层扫描(CT)体积,具有不同类型的肿瘤对比度水平(高强度/低强度),组织异常(转移瘤)大小和不同程度的病变。已提交的算法已在70个未公开的卷上进行了测试。该数据集是与七家医院和研究机构合作创建的,由三位独立的放射科医师手动审查。我们发现没有一种算法对肝脏和肿瘤表现最佳。最佳肝脏分割算法的Dice评分为0.96(MICCAI),而对于肿瘤分割,最佳算法评估为0.67(ISBI)和0.70(MICCAI)。 LITS图像数据和手动注释继续通过在线评估系统公开提供,作为持续的基准测试资源。
translated by 谷歌翻译
胶质瘤是最常见的原发性脑恶性肿瘤,具有不同程度的侵袭性,可变预后和各种异质性组织亚区域,即肿瘤周围水肿/侵入组织,坏死核心,活性和非增强核心。这种内在的异质性也被用于它们的放射性表型,因为它们的子区域通过在多参数磁共振成像(mpMRI)扫描中传播的不同强度分布来描绘,反映了不同的生物学特性。它们的异质形状,范围和位置是其中的一部分。使这些肿瘤难以切除的因素,在某些情况下无法手术。切除肿瘤的数量也是纵向扫描中考虑的一个因素,用于评估表观肿瘤以进行潜在的进展诊断。此外,有越来越多的证据表明,各种肿瘤亚区域的准确分割可以为定量图像分析提供预测患者整体的基础。生存。该研究评估了在国际脑肿瘤分割(BraTS)挑战的最后七个实例(即2012-2018)期间用于mpMRI扫描中的脑肿瘤图像分析的最先进的机器学习(ML)方法。具体而言,我们专注于i)评估术前mpMRI扫描中各种神经胶质瘤亚区的分割,ii)通过肿瘤亚区的纵向生长评估潜在的肿瘤进展,超出RECIST标准的使用,以及iii)预测整体术前mpMRI扫描对经历完全切除的患者的生存率。最后,我们研究了为每个任务确定最佳ML算法的挑战,考虑到除了在每个挑战实例上多样化之外,多机构mpMRI BraTS数据集也是一个不断发展/不断发展的数据集。
translated by 谷歌翻译
Robust localisation and identification of vertebrae is essential for automated spine analysis. The contribution of this work to the task is twofold: (1) Inspired by the human expert, we hypothesise that a sagittal and coronal reformation of the spine contain sufficient information for labelling the vertebrae. Thereby, we propose a butterfly-shaped network architecture (termed Btrfly Net) that efficiently combines the information across reformations. (2) Underpinning the Btrfly net, we present an energy-based adversarial training regime that encodes local spine structure as an anatomical prior into the network, thereby enabling it to achieve state-of-art performance in all standard metrics on a benchmark dataset of 302 scans without any post-processing during inference.
translated by 谷歌翻译
肝脏及其病变的自动分割是获得用于精确临床诊断和计算机辅助决策支持系统的定量生物标志物的重要步骤。本文提出了一种利用级联卷积神经网络(CFCN)和密集的三维条件随机场(CRF)自动分割CT腹部图像中的肝脏和病变的方法。我们训练和级联两个FCN,用于肝脏及其病变的组合分割。在第一步中,我们训练FCN来分割第二个FCN的liveras ROI输入。第二个FCN仅从步骤1的预测肝脏ROI中分割出病变。我们使用腺苷三维CRF来细化CFCN的分割,其同时考虑空间相干性和外观。 CFCN模型在包括15个肝肿瘤体积的腹部CT数据集3DIRCAD上进行2倍交叉验证训练。我们的研究结果表明,基于CFCN的语义肝脏和病变分割实现肝脏的Dice评分超过94%,计算时间低于每体积100s。我们通过实验证明了该方法作为一种决策支持系统的鲁棒性,该系统具有高精度和高速度,可用于日常临床常规。
translated by 谷歌翻译
贝叶斯优化算法(BOA)是使用贝叶斯网络作为概率图形模型(PGM)的分布算法估计(EDA)。给定解决方案样本确定最优贝叶斯网络结构是NP难问题。此步骤应在BOA的每次迭代中完成,从而导致非常耗时的过程。出于这个原因,mostimplementations使用贪婪的估计算法,如K2。然而,我们在本文中表明,PGM结构的显着变化不会发生,并且在进化结束时可能特别稀疏。因此,提出了BOA的统计学研究,以表征PGM调整模式,该模式可用作减少进化过程中PGM更新频率的指南。这是通过提出一种新的基于BOA的优化方法(FBOA)来实现的,该方法的PGM不会在每次更新时更新。这种新方法避免了标准BOA中常见的计算负担。结果比较了两种算法在一个NG风景优化问题上的性能,使用了坚固性和预期运行时间相关的枚举实例。实验表明,FBA具有竞争力,同时显着节省了计算时间。
translated by 谷歌翻译
替换盒(S-box)是经常用于加密算法设计的非线性对象。高质量S盒的设计是一个令人感兴趣的问题,引起了很多关注。近年来已经进行了许多尝试以使用启发式方法来设计S盒,但结果远远不同于先前已知的最佳获得的S盒。不幸的是,大部分努力都用于探索不同的算法和适应度函数,同时很少注意理解为什么这个问题难以启发。在本文中,我们进行健身景观分析,以更好地理解为什么这个问题很难解决。除此之外,我们发现几乎每个初始起点都有自己的局部最优,尽管网络高度互联。
translated by 谷歌翻译
本文件研究了自适应区分序列与主动自动学习(AAL)过程的整合。开发并提出了一种新颖的AAL算法“ADT”(自适应识别树)。自提交原始论文以来,所提出的算法已集成到LearnLib中 - 一种用于主动自动机学习的开源库 - 并已成功应用于相关领域。研究。
translated by 谷歌翻译
在过去十年中,DBpedia社区已经投入大量精力开发技术基础设施和方法,以便从维基百科中有效地提取结构化信息。这些努力主要集中在收集,改进和发布维基百科文章中的半结构信息,例如来自信息框,分类信息,图像,wikilink和引用的信息。尽管如此,非结构化维基百科文章中仍然包含大量有价值的信息。在本文中,我们提出了DBpedia NIF - 一个大规模和多语言的知识提取语料库。数据集的目标是双重的:大大拓宽和深化DBpedia中的结构信息量,并为各种NLP和IR任务的开发提供大规模和多语言的语言资源。该数据集提供了128种维基百科语言的所有文章的内容。我们描述了数据集创建过程和NLP交换格式(NIF),用于对维基百科文章的内容,链接和结构进行建模。 Thedataset进一步丰富了大约25%的链接和选定的分区作为关联数据发布。最后,我们描述维护和可持续性计划,以及从TextExtknowledge提取挑战中选择数据集的用例。
translated by 谷歌翻译
随着世界各地的社会老龄化,阿尔茨海默病(AD)患者的数量正在迅速增加。迄今为止,还没有建立低成本的非侵入性生物标志物来推进AD诊断和进展评估的客观化。在这里,我们利用贝叶斯神经网络利用各种定量EEG(QEEG)标记开发AD严重程度的多变量预测因子。神经网络的贝叶斯处理可以自动控制模型的复杂性,并提供目标函数的预测分布,为我们的回归任务提供不确定的界限。因此,它非常适合临床神经科学,其中数据集通常稀疏,从业者需要精确评估预测不确定性。我们使用有史以来最大的前瞻性AD EEGtrial之一的数据来证明贝叶斯深度学习在这个领域的潜力,同时比较两种不同的贝叶斯神经网络方法,即蒙特卡洛辍学和哈密尔顿蒙特卡罗。
translated by 谷歌翻译
虽然地球气候系统的关键驱动因素,但全球陆地 - 大气能量通量受到很大限制。在这里,我们使用机器学习将来自FLUXNET涡流协方差塔的能量通量测量与远程传感和气象数据合并,以估计净辐射,潜热和感热以及它们的不确定性。得到的FLUXCOM数据库包括两个设置中的147个全球网格产品:(1)0.0833 $ {\ deg} $分辨率使用MODIS遥感数据(RS)和(2)0.5 $ {\ deg} $分辨率使用远程传感和气象数据(RS + METEO)。在每个设置中,我们使用跨机器学习方法的全因子设计,强制数据集和能量平衡闭合校正。对于RS和RS + METEO设置,我们估计2001-2013全球($ {\ pm} $ 1标准差)净辐射为75.8 $ {\ pm} $ 1.4 $ {W \ m ^ { - 2}} $和77.6 $ {\ pm} $ 2 $ {W \ m ^ { - 2}} $,显热#33 $ {\ pm} $ 4 $ {W \ m ^ { - 2}} $和$ 36 $ {\ pm} $ 5 $ { W \ m ^ { - 2}} $和evapotranspirationas 75.6 $ {\ pm} $ 10 $ {\ times} $ 10 $ ^ 3 $ $ {km ^ 3 \ yr ^ { - 1}} $和76 $ {\ pm} $ 6 $ {\ times} $ 10 $ ^ 3 $ $ {km ^ 3 \ yr ^ { - 1}} $。 FLUXCOM产品适用于量化全球 - 大气相互作用和基准地表模型模拟。
translated by 谷歌翻译