检索结果

Select

1. 深度学习在主动脉中膜变性病理图像分类中的应用

孙中杰, 万涛, 陈东, 汪昊, 赵艳丽, 秦曾昌

计算机应用 2021, 41 (1): 280-285. DOI: 10.11772/j.issn.1001-9081.2020060895

摘要（549）

PDF （1150KB）（546）

胸主动脉瘤和夹层（TAAD）是严重的心血管疾病之一，而中膜变性（MD）的组织学改变对疾病的诊断及早期干预具有重要的临床意义。针对病理图像的高度复杂性使得MD的诊断过程耗时费力且一致性差的问题，提出了一种基于深度学习的病理图像分类方法，并将其应用于四种MD病变类型以进行性能验证。该方法使用了一种改进的基于GoogLeNet的卷积神经网络模型，首先采用迁移学习来将先验知识应用于TAAD病理图像的表达，然后使用Focal loss和L2正则化来解决数据不平衡问题，从而进一步优化模型性能。实验结果表明，所提模型的平均四分类准确率达到98.78%，表现出较好的泛化性能。可见所提方法可以有效地提升病理学家的诊断效率。

参考文献 | 相关文章 | 多维度评价

Select

2. 面向审计的严格约束的序列挖掘算法

辛鸿亮;欧阳为民;祝万涛

计算机应用

摘要（1024）

PDF （1028KB）（717）

网络安全审计数据具有很强的时间特征。提出了面向审计基于SPAD算法的严格约束的序列挖掘快速算法(Sequence mIning with Strict Constraints，SISC)，它充分利用了序列数据的时间和属性相关的特征指导挖掘，并使用严格的属性模式裁减概念等价类，提高了规则的有用度。最后在真实的审计数据集上的试验结果表明， SISC的效率优于SPADE，尤其当项的个数远大于属性的个数的时候。

相关文章 | 多维度评价

Select

3. 基于类型的安全移动计算模型

余万涛;胡光锐

计算机应用

摘要（1182）

PDF （614KB）（718）

Agent的迁移和通信是影响移动计算安全性的重要问题，但是已有的移动计算模型缺乏相应的安全机制。针对这一问题，文中讨论了移动计算环境中基于语言的安全技术，同时建立了Confinedπ计算模型，通过引入类型系统，该模型将Agent迁移和通信的安全问题转换成相应的静态分析特性，然后从静态分析的角度研究了保证Agent迁移和通信安全性的机制。