换一批- 最近
- 已收藏
- 排序
- 筛选
- 320
- 10
- 8
- 5
- 4
- 1
- 1
- 2
- 2
- 1
- 144
- 97
- 40
- 38
- 21
- 中文期刊
- 刊名
- 作者
- 作者单位
- 收录源
- 栏目名称
- 语种
- 医学主题词
- 出版状态
- 外文期刊
- 文献类型
- 刊名
- 作者
- 医学主题词
- 收录源
- 语种
- 学位论文
- 授予学位
- 授予单位
- 会议论文
- 主办单位
- 专 利
- 专利分类
- 专利类型
- 国家/组织
- 法律状态
- 申请/专利权人
- 发明/设计人
- 成 果
- 鉴定年份
- 学科分类
- 地域
- 完成单位
- 标 准
- 强制性标准
- 中标分类
- 标准类型
- 标准状态
- 来源数据库
- 法 规
- 法规分类
- 内容分类
- 效力级别
- 时效性
【中文期刊】 Xiaoliang Xu Yusong Mao 等 《智能肿瘤学（英文）》 2026年2卷2期 39-52页
【摘要】 The pathological classification of renal cell carcinoma(RCC)is a critical indicator of its accurate diagnosis,treatment,...
【关键词】 Renal cell carcinoma；End-to-end multiple instance learning；Low-rank learning network；
- 概要：
- 方法：
- 结论：
【中文期刊】 谢卓恒 伊鸣 等 《集成技术》 2025年14卷2期 24-32页
【摘要】 多实例学习(multiple-instance learning,MIL)是一种弱监督学习方法,近年来广泛应用于医学图像分析领域.本文综述了MIL在全切片图像中的应用进展,详细分析了其在肿瘤检测、亚型分级和生存预测中的作用.MIL在弱监督学...
- 概要：
- 方法：
- 结论：
【中文期刊】 许家宁 毛钇骁 等 《南方医科大学学报》 2026年46卷5期 1175-1184页MEDLINEISTICPKUCSCDCA
【摘要】 目的 提出一种分层注意力驱动的多实例学习框架(HA-MIL),实现对肾透明细胞癌的精准分级分期.方法 利用TCGA-KIRC数据库中504例患者的全切片图像(WSI)及其临床病理标签.HA-MIL将WSI分割为多个图像块,采用分层注意力机制...
- 概要：
- 方法：
- 结论：
【中文期刊】 罗云昭 蒋宏传 等 《中国全科医学》 2025年28卷19期 2407-2413页ISTICPKUCA
【摘要】 背景 术前新辅助治疗(NAT)是治疗局部晚期乳腺癌的标准化手段,但只有部分患者对NAT敏感,在NAT前对患者进行疗效预测至关重要.既往研究利用统计学方法结合临床数据或深度学习方法结合影像学图像预测乳腺癌NAT疗效,效果欠佳.目的 利用多示例...
- 概要：
- 方法：
- 结论：
【中文期刊】 门志鹏 刘烨 等 《大连民族大学学报》 2025年27卷5期 449-455页
【摘要】 提出一种基于多示例学习的乳腺癌病理图像分类方法SwinMIL-APP.将Swin Transformer模型用于示例选取阶段,从不同尺度来有效捕获乳腺癌全尺寸病理图像的局部和全局信息,更好地筛选并提取示例中的关键特征;在特征聚合阶段则引入A...
【关键词】 多示例学习；Swin Transformer；图卷积网络；
- 概要：
- 方法：
- 结论：
【中文期刊】 黄欣然 YANG Hongjie 等 《中国体视学与图像分析》 2023年28卷4期 410-418页ISTIC
【摘要】 Osteoporosis is a systemic disease characterized by low bone mass,impaired bone microstruc-ture,increased bone fragility...
【关键词】 parallel transformer；multiple instance learning；weakly-supervised classification；
- 概要：
- 方法：
- 结论：
【中文期刊】 钟海勤 赵程 等 《中国生物医学工程学报》 2024年43卷6期 652-661页ISTICPKUCSCDCA
【摘要】 病理图像是检验癌症的金标准,对病理图像,尤其是全视野数字切片(WSI),进行快速、准确地分类有助于辅助医生对患者进行个性化治疗和预后评估.近年来,多实例学习(MIL)在WSI分类中发挥着越来越重要的作用.然而,由于WSI的数量有限,且阳性区...
- 概要：
- 方法：
- 结论：
【中文期刊】 苏巧平 刘原 等 《计算机工程》 2013年39卷3期 213-217,222页
【摘要】 追踪目标在经历较大姿势变化时,会导致追踪目标偏移甚至丢失.为此,提出一种基于稀疏表达的多示例学习目标追踪算法.联合多示例学习与稀疏表达方法,将目标物体的局部稀疏编码作为多示例学习的训练数据,通过学习正负样本的局部稀疏编码获得一个多示例学习的...
- 概要：
- 方法：
- 结论：
【中文期刊】 虎晓红 钱旭 等 《计算机工程与设计》 2009年30卷21期 5007-5009页
【摘要】 为了提高图像检索的性能,提出了一种基于流行排序的多示例图像检索方法,将分割后的图像表示为多示例的形式,通过给出适合图像在包空间的度量方式,有效结合流行排序和多示例学习的方法来进行图像检索.实验结果表明,采用所提出的方法的检索结果与传统的检索...
- 概要：
- 方法：
- 结论：
【中文期刊】 虎晓红 时雷 等 《计算机应用研究》 2009年26卷8期 3159-3160页
【摘要】 提出了一种结合多示例学习和流行排序的图像检索方法,将图像检索作为多示例学习框架下的流行排序,通过给出适合图像在包空间的有效度量方式,将流行排序的方法和多示例学习有效结合起来,从而获得更准确的检索结果.实验结果表明,运用流行排序的区域图像检索...
- 概要：
- 方法：
- 结论：
【外文期刊】 Yan Xu ; Jun-Yan Zhu ; 等 《Medical image analysis》 2014年18卷3期 591-604页SCISCIEMEDLINE
- 概要：
- 方法：
- 结论：
【外文期刊】 Quellec, Gwenole ; Lamard, Mathieu ; 等 《IEEE Transactions on Medical Imaging》 2016年35卷7期 1604-1614页
【关键词】 Anomaly detection;mammography;multiple-instance learning;
- 概要：
- 方法：
- 结论：
【外文期刊】 Frade, Julieta ; Pereira, Tania ; 等 2022年60卷6期 1569-1584页SCISCIEMEDLINE
【关键词】 Multiple instance learning;Computer-aided diagnosis;Computed tomography;
- 概要：
- 方法：
- 结论：
【外文期刊】 Minglei Li ; Yuchen Jiang ; 等 《Medical Physics》 2023年50卷1期 209-225页SCISCIEMEDLINE
【关键词】 Alzheimer's disease;computer‐aided diagnosis;ensemble learning;
- 概要：
- 方法：
- 结论：
【外文期刊】 Liu, Ze ; Dong, Wei ; 等 《Plant Molecular Biology》 2019年101卷6期 575-584页SCISCIEMEDLINE
- 概要：
- 方法：
- 结论：
【外文期刊】 Aleksra Nikonenko ; Dmitry Zankov ; 等 2021年40卷11期 art. no. 2060030-art. no. 2060030页
【关键词】 4D QSAR;multiple instance learning;3D pharmacophore descriptors;
- 概要：
- 方法：
- 结论：
【外文期刊】 Quellec, Gwenole ; Lamard, Mathieu ; 等 《IEEE Transactions on Medical Imaging》 2015年34卷4期 877-887页
【关键词】 Cataract surgery;multiple-instance learning;real-time task recognition;
- 概要：
- 方法：
- 结论：
【外文期刊】 Dundar, M. M. ; Badve, S. ; 等 《IEEE Transactions on Biomedical Engineering》 2011年58卷7期 1977-1984页
【关键词】 Cell segmentation;computer-aided diagnosis;histopathological image analysis;
- 概要：
- 方法：
- 结论：
【外文期刊】 Han Bao ; Tomoya Sakai ; 等 《Neural Networks: The Official Journal of the International Neural Network Society》 2018年105卷 132-141页SCISCIEMEDLINE
【关键词】 Multiple instance learning;Positive-unlabeled classification;Weakly-supervised classification;
- 概要：
- 方法：
- 结论：
【外文期刊】 Kandemir, Melih ; Hamprecht, Fred A. ; 《Computerized Medical Imaging and Graphics: The Official Jounal of the Computerized Medical Imaging Society》 2015年42卷 44-50页SCISCIEMEDLINE
【关键词】 Multiple instance learning;Cancer diagnosis;Diabetic retinopathy screening;
- 概要：
- 方法：
- 结论：
【外文期刊】 Vu, Trung ; Lai, Phung ; 等 《IEEE Transactions on Medical Imaging》 2020年39卷10期 3125-3136页
【关键词】 Cancer;Image analysis;Training;
- 概要：
- 方法：
- 结论：
【外文期刊】 EL-Manzalawy, Yasser ; Dobbs, Drena ; 等 《IEEE/ACM transactions on computational biology and bioinformatics》 2011年8卷4期 1067-1079页SCISCIEMEDLINE
【关键词】 MHC-II peptide prediction;multiple instance learning;multiple instance regression.;
- 概要：
- 方法：
- 结论：
【外文期刊】 Sun, L. ; Lu, Y. ; 等 《IEEE Transactions on Biomedical Engineering》 2012年59卷12期 3348-3356页
【关键词】 Classification;ECG analysis;multiple instance learning (MIL);
- 概要：
- 方法：
- 结论：
【外文期刊】 Tong,T. ; Wolz,R. ; 等 《Medical image analysis》 2014年18卷5期 808-818页SCISCIEMEDLINE
【关键词】 Alzheimer's disease;Classification;Multiple instance learning;
- 概要：
- 方法：
- 结论：
【外文期刊】 Cheplygina, Veronika ; de Bruijne, Marleen ; 等 《Medical image analysis》 2019年54卷 280-296页SCISCIEMEDLINE
【关键词】 Machine learning;Medical imaging;Computer aided diagnosis;
- 概要：
- 方法：
- 结论：
【外文期刊】 Melendez, Jaime ; van Ginneken, Bram ; 等 《IEEE Transactions on Medical Imaging》 2016年35卷4期 1013-1024页
【关键词】 Computer-aided detection (CAD);multiple-instance learning;active learning;
- 概要：
- 方法：
- 结论：
【外文期刊】 Teramoto, R. ; Kashima, H. ; 《Journal of molecular graphics & modelling》 2010年29卷3期 492-497页
- 概要：
- 方法：
- 结论：
【外文期刊】 Kamali, Tahereh ; Stashuk, Daniel W. ; 2020年28卷4期 842-849页
- 概要：
- 方法：
- 结论：
【外文期刊】 Chikontwe, Philip ; Luna, Miguel ; 等 《Medical image analysis》 2021年72卷 SCISCIEMEDLINE
【关键词】 COVID-19;CT images;Deep learning;
- 概要：
- 方法：
- 结论：
【外文期刊】 Zhang, Qinhu ; Zhu, Lin ; 等 《IEEE/ACM transactions on computational biology and bioinformatics》 2020年17卷2期 679-689页SCISCIEMEDLINE
- 概要：
- 方法：
- 结论：
【外文期刊】 Quellec,G. ; Lamard,M. ; 等 《Medical image analysis》 2012年16卷6期 1228-1240页SCISCIEMEDLINE
【关键词】 Diabetic retinopathy;Lesion detection;Multiple-instance learning;
- 概要：
- 方法：
- 结论：
【外文期刊】 Astorino, Annabella ; Fuduli, Antonio ; 等 《Interdisciplinary Sciences: Computational Life Sciences》 2020年12卷1期 24-31页
【关键词】 Melanoma detection;Multiple instance learning;Image classification;
- 概要：
- 方法：
- 结论：
【外文期刊】 Tennakoon, Ruwan ; Bortsova, Gerda ; 等 《IEEE Transactions on Medical Imaging》 2020年39卷4期 854-865页
【关键词】 Multiple instance learning;weakly supervised learning;CNN;
- 概要：
- 方法：
- 结论：
【外文期刊】 《Journal of biomedical informatics》 2015年57卷 358-368页SCISCIEMEDLINE
【关键词】 Multiple instance learning;Computer aided diagnosis;Circular Gabor features;
- 概要：
- 方法：
- 结论：
- 概要：
- 方法：
- 结论：
【外文期刊】 Golara Javadi ; Samareh Samadi ; 等 《International journal of computer assisted radiology and surgery.》 2020年15卷6期 1023-1031页
【关键词】 Temporal enhanced ultrasound;Deep neural networks;Augmentation;
- 概要：
- 方法：
- 结论：
【外文期刊】 Dundar, M. M. ; Badve, S. ; 等 《IEEE Transactions on Biomedical Engineering》 2011年58卷7期 1977-1984页
【关键词】 Cell segmentation;computer-aided diagnosis;histopathological image analysis;
- 概要：
- 方法：
- 结论：
【外文期刊】 Christophe A. C. Freyre ; Stephan Spiegel ; 等 《Toxicologic pathology》 2021年49卷4期 798-814页SCISCIEMEDLINE
【关键词】 computational pathology;deep learning;representation learning;
- 概要：
- 方法：
- 结论：
【外文期刊】 Manivannan, Siyamalan ; Cobb, Caroline ; 等 《IEEE Transactions on Medical Imaging》 2017年36卷5期 1140-1150页
【关键词】 Image classification;multiple-instance learning(MIL);retinal biomarkers for dementia;
- 概要：
- 方法：
- 结论：
【外文期刊】 Yuan, Min ; Xu, Yitian ; 等 《Neural Networks: The Official Journal of the International Neural Network Society》 2021年142卷 509-521页SCISCIEMEDLINE
【关键词】 Multiple-instance learning;Small sphere and large margin;Sparse;
- 概要：
- 方法：
- 结论：
加载中...
