利用EEG数据增强痴呆症检测的脑叶生物标志物研究

背景介绍 痴呆症是一种全球性的健康问题,严重影响患者的生活质量,并给医疗系统带来巨大负担。阿尔茨海默病(Alzheimer’s Disease, AD)和额颞叶痴呆(Frontotemporal Dementia, FTD)是痴呆症的两种常见类型,它们的症状有重叠,导致准确诊断和针对性治疗开发尤为困难。早期检测和准确诊断对于有效管理痴呆症至关重要。传统的诊断方法,如临床评估和神经影像技术(MRI、PET扫描),虽然有效,但成本高、耗时长且不易普及。因此,研究人员开始探索非侵入性、成本效益高的替代方法,如脑电图(Electroencephalography, EEG)。 EEG通过头皮上的电极捕捉大脑的电活动,具有高时间分辨率、成本低且易于使用的特点。痴呆症患者的大脑功能变化可以通过EEG信号...

用于无人机视角下小目标检测的多尺度特征融合网络

背景介绍 随着无人机(UAV)技术的快速发展,无人机拍摄的低空遥感图像在灾害管理、搜索与救援等任务中得到了广泛应用。然而,无人机图像中的小目标检测(small object detection)仍然是一个具有挑战性的问题。由于小目标在图像中仅占少数像素,且分布不规则,现有的目标检测算法在这些场景中的表现往往不尽如人意。特别是,尽管一些现有的检测器引入了多尺度特征融合(multi-scale feature fusion)模块以提高检测精度,但这些传统方法常常忽略了目标与背景之间的权重关系,导致小目标在深层特征图中的重要性被削弱。此外,广泛使用的交并比(Intersection over Union, IoU)度量及其变体对小目标的位置误差特别敏感,这显著影响了基于锚框(anchor-base...

基于单值中智距离测量的Merec-Rancom-Wisp方法解决可持续能源存储技术问题

学术背景 随着全球能源需求的不断增长,能源存储技术(Energy Storage Technology, EST)在缓解环境影响和减少碳足迹方面扮演着至关重要的角色。EST不仅是可再生能源的重要组成部分,也是全球能源结构脱碳的关键。然而,选择合适的EST涉及多个可持续性方面的考量,这使得决策过程变得复杂且充满不确定性。传统的决策方法在处理这种多准则、不确定性和不一致性的问题时往往显得力不从心。 为了解决这一问题,作者提出了一种基于单值中智集(Single-Valued Neutrosophic Set, SVNS)的混合多准则群体决策(Multi-Criteria Group Decision-Making, MCGDM)方法。SVNS作为模糊集的一种扩展,能够更好地处理现实决策中的不确定、...

对称线性正交模糊集的t-范数与t-余范及其在多准则决策中的认知应用

学术背景与问题提出 在模糊集(Fuzzy Sets, FSs)的研究领域中,处理不确定性问题是核心挑战之一。模糊集由Zadeh于1965年首次提出,并迅速成为理论与应用研究的热点。随着研究的深入,模糊集的扩展形式——正交对模糊集(Orthopair Fuzzy Sets, OFSs)应运而生。OFSs通过引入正交对(即隶属度与非隶属度)来更全面地描述不确定性信息。Yager在2013年首次定义了OFSs,并提出了q阶正交对模糊集(q-Rung Orthopair Fuzzy Sets, q-ROFSs)的概念。随后,Gao和Zhang在2021年进一步提出了线性正交对模糊集(Linear Orthopair Fuzzy Sets, LOFs)及其对称形式——对称线性正交对模糊集(Symmet...

MediVision:通过监督学习分类和Grad-CAM可视化赋能结直肠癌诊断与肿瘤定位

学术背景 结直肠癌(Colorectal Cancer, CRC)是全球范围内最常见的癌症之一,尤其在50岁以上人群中发病率显著增加。早期检测和准确诊断是提高患者生存率的关键。然而,传统的结直肠癌筛查方法,如结肠镜检查,依赖于医生的经验和视觉判断,存在一定的主观性和误诊风险。近年来,人工智能(Artificial Intelligence, AI)和深度学习(Deep Learning, DL)技术在医学影像分析中的应用为结直肠癌的自动化诊断提供了新的可能性。然而,现有的AI模型在图像特征提取和模型解释性方面仍存在不足,尤其是在处理不同成像条件下的图像时,模型的泛化能力和透明度亟待提高。 为了解决这些问题,研究者开发了Medivision系统,该系统结合了卷积神经网络(Convolution...

混合与集成机器学习方法在预测足球球员转会价值中的比较分析

学术背景 在现代足球经济中,球员的转会市场价值不仅取决于他们的场上表现,还受到其知名度、社交媒体影响力等多种因素的影响。随着足球产业的全球化发展,俱乐部在转会市场上的决策越来越依赖于数据驱动的分析。然而,传统的球员评估方法主要依赖于进球、助攻等表现指标,忽略了球员的社交媒体活跃度、媒体报道等新兴因素。因此,如何通过机器学习和数据科学的方法,更准确地预测球员的转会价值,成为了一个重要的研究课题。 Wenjing Zhang 和 Dan Cao 的研究正是针对这一问题展开的。他们通过结合传统的表现指标和新兴的社交媒体数据,开发了一种混合机器学习模型,旨在为俱乐部提供更精确的球员市场价值预测,从而帮助俱乐部在转会市场上做出更明智的决策。 论文来源 这篇论文由 Wenjing Zhang 和 Dan...