您当前的位置：
首页 >
文章列表页 >
基于最优传输特征选择的医学图像分割迁移学习
计算机科学与技术 | 更新时间：2025-05-26
上一篇|下一篇

    • 基于最优传输特征选择的医学图像分割迁移学习

    • Transfer learning of medical image segmentation based on optimal transport feature selection

    • “在无监督领域自适应迁移学习中，提出了基于最优传输的通用特征选择模块，有效提升了新冠肺炎图像分割模型性能。”
    • 王生生 ，姜林延 ，杨永波
    • 吉林大学学报（工学版） 2022年52卷第7期 页码：1626-1638
    • 作者机构：

      1.吉林大学 计算机科学与技术学院， 长春 130012

      2.空军航空大学 教学考评中心，长春 130021

    • 作者简介：

      王生生（1974⁃），男，教授，博士生导师.研究方向：机器视觉，数据挖掘，人工智能. E-mail：wss@jlu.edu.cn

    • 基金信息：
      国家重点研发计划项目(2020YFA0714103);国家自然科学基金区域创新发展联合基金项目(U19A2061);吉林省发展改革委创新能力建设（高技术产业部分）项目(2019C053-3);吉林省科技发展计划项目(20190302117GX)

    • DOI： 10.13229/j.cnki.jdxbgxb20210652     

      中图分类号：

    移动端阅览

  •  
  •  

  • AI导读

  • HTML全文

  • 图( 8 ) 表( 4 )

  • 参考文献

  • 出版信息

  • 数据统计

158

浏览量

36

下载量

0

CSCD

文章被引用时，请邮件提醒。
提交
工具集
  • BibTeX下载
  • Endnote下载
  • RefMan 下载
  • NoteExpress下载
  • NoteFirst下载

相关文章

基于轻量卷积网络的田间自然环境杂草识别方法
基于已选特征动态变化的非线性特征选择方法
基于条件相关的特征选择方法
基于随机森林的特征选择算法
基于深度学习的工业故障诊断综述

相关作者

徐艳蕾
何润
翟钰婷
赵宾
李陈孝
高万夫
张平
胡亮

相关机构

吉林农业大学 信息技术学院
吉林大学 软件学院
吉林大学 计算机科学与技术学院
吉林大学 符号计算与知识工程教育部重点实验室
吉林大学 软件学院