0.前言
7个国自然说明北京友谊医院放射科有雄厚的科研实力,一定要好好学习一下。
大壮感觉可能有以下原因:
(1)各级领导的关怀和支持
(2)医生高超技术水平和科研能力
(3)因为AI
第(3)条怎么突然是AI了呢,难道是因为爱情
大佬们不但科研厉害,而且颜值还高😍。
言归正传,因为看不到本子内容,就学习一个题目吧,等都结题了我再学习下相关论文。本次学习3个面上项目的题目。
1.国自然题目分析
1.1基于MRI-血清学指标及Transformer神经网络早期精准预测药物性肝损伤急性肝衰竭的研究
(1)项目类别:面上项目
(2)项目负责人: 杨大为
(3)题目分析
题目中“Transformer神经网络”,Transformer 是一种深度学习模型,出自论文论文《Attention is all your need》,一个很牛B网络结构,现在大语言模型也是基于Transformer结构,它由 Google 在 2017 年提出,并成功应用于自然语言处理(NLP)领域。美国大片变形金刚,就是这个名字,说明这个算法很强,也可以翻译成“变压器”
图1:来自论文[1]
Transformer 模型主要由两部分组成:编码器和解码器。编码器将输入序列转换为隐藏状态,解码器则使用这些隐藏状态来生成输出序列。这种模型不需要依赖先前的输入信息,而可以直接从输入中提取上下文信息,实现更好的上下文依赖。
基于MRI-血清学指标,MRI是影像数据,血清学指标属于结构化数据,这是两个不同模态的数据,看样子杨老师是想用Transformer网络作为特征提取器学习多模态特征。大壮研究的多,多模态分为早期融合、后期融合和混合融合。使用Transformer可能是想用早期融合,就是把两个数据同时输入提取特征。深度学习的任务一般就是分类和回归,具体是用来症状分类还是预后生存预测,看不出来。需要等杨老师发表论文后,我进一步学习。
1.2 基于注意力机制的视觉转换器对HCC高危人群肝内局灶病变检出及智能分类方法研究
(1)项目类别: 面上项目
(2)项目负责人:徐辉
(3)题目分析
这里有几个关键词,注意力机制,视觉转换器,病变检出,智能分类。其实就是对病灶进行检测和分类,检测算法在输出目标位置同时也会输出目标的类别。题目中的“智能”主要起强调作用。用的是基于注意力机制的目标检测算法,本题目用了一个少见的名词“视觉转换器”,一般是指基于Transformer算法的目标检测器,比如Swin Transformer算法。这里简单说一下注意力机制算法。
注意力机制:
注意力机制是一种模型,这个模型出现很多年了,可以让模型集中关注于输入数据中的某些部分,忽略其他不太相关的信息,从而更好地理解和处理输入数据。就像走在大街上,你的目光会聚焦在帅哥美女身上,而不看大壮这样的屌丝,这就是人的注意力机制。注意力机制可以用于目标检测、图像分类等任务中,让模型更加准确地识别图像中的目标。
图2:来自wiki-attention[2]
1.3 基于医学知识介导的中耳病变超高分辨力CT智能判读关键技术研
(1)究项目类别: 面上项目
(2)项目负责人:尹红霞
(3)题目分析
关键词'医学知识介导','超高分辨力','智能判读'。尹老师在耳科专用CT研究方面有颇多成果。'医学知识介导'这个名词少见。介导指的是以一个中间步骤来传递或起媒介的作用。即将一种“物质”传递给另一种“物质”的过程和方式。可以浅显的理解以医学知识作为一个先验用于算法调优,比如参数设置,特征选择,可以提升模型的性能。'超高分辨力'是指CT原始成像分辨率较高。'智能判读'可以看出是使用了AI算法,但是细节还看不出来。
尹老师在2023年申请了人工智能相关专利。从科研连续性角度分析,标书内容应该跟这个专利有些关系。专利摘要摘要如下:
创新性的实现了一种基于监督且用于医学影像的特征解耦网络模型,其中,所述特征解耦网络模型包括编码器和解码器。本发明能够高质量的生成类别转换后的影像,以进行影像样本合成,有效扩充医学影像数据集,服务其他下游任务。此外,对于任意两类需要分类或解耦的影像,本发明还能够解耦两类影像的鉴别特征,提升影像分类准确率。
这也是医学影像可以做的方向比如图像生成、图像去噪等,目前人工智一个重要方向就是内容生成AIGC,这一块可以做的方向。
2.学习心得
因为缺少标书信息,大壮简单介绍题目相关算法,医学和AI交叉还是有搞头的。部分总结如下
(1)标书题目用词需要高端
1)用一些非医学专业性的技术术语
比如:Transformer神经网络,不能就用“智能”两个字,太笼统。
2)使用一些显得高端的代替名词
“注意力机制的视觉转换器”,其实就是Transformer系列的算法,显得很高端。
3)使用一些抽象名词
“基于医学知识介导”
(2)本子里面都有一个词“基于”。
参考:
[1]Attention is all your need
[2]wiki-attention
[3]一种基于监督且用于医学影像的特征解耦网络模型-专利
联系客服