关键词： 计算机视觉   机器学习   模式识别   大数据时代   厦门大学教授   市场格局   博士生导师   人工智能时代  

摘要： 一直以来,人类从外界获取的信息,有80%以上是通过眼睛获得的。要让计算机具有人的智能,首先要解决的就是“看”的问题。身处大数据时代的洪流中,我们每天接触的网络世界就有海量的图片资源。多年来,厦门大学教授、博士生导师曲延云一直将主要研究方向放在模式识别、计算机视觉以及机器学习上。在她看来,未来,计算机视觉行业生态在这些技术力量的驱动下,必将形成新的技术和市场格局。在这一现状下,她以自己的研究为核心、引导推动专业人才培养的决心也更加坚定了。

关键词： 靶标预测   分子对接   虚拟筛选   打分函数   机器学习   人工智能   ASFP  

摘要： 计算辅助药物设计(computer-aided drug design,CADD)技术以其低成本和高效率的优势在药物设计和发现中得到了广泛的应用。近年来,随着大量生物大分子三维结构的不断解析,分子对接方法在苗头化合物发现和靶标预测研究中的优势愈加明显。然而,现有分子对接方法所用的打分函数仍存在精度较低的缺陷,因此,如何通过优化打分函数来提升基于分子对接的靶标预测和虚拟筛选的预测精度是CADD领域重要的研究方向。本论文首先对基于结构的靶标预测方法进行了系统介绍,包括反向分子对接中所使用的小分子和蛋白质数据库、现有的计算工具以及未来的发展趋势。其次,本论文采用多种机器学习方法构建了基于分子间相互作用能和分子指纹的个性化打分函数,并基于DUD-E和PDBbind数据集对其进行了预测能力的评测。计算结果显示,对于32个靶标的特异性打分函数,分类预测模型对DUD-E数据集的平均曲线下面积AUC为0.973;对于通用打分函数,其对PDBbind 2016核心数据集的皮尔逊相关系数为0.81。表明和传统的打分函数相比,基于机器学习的打分函数具有更优的虚拟筛选能力和结合亲和力预测能力,有望提升靶标预测和虚拟筛选的预测精度。最后,我们开发了支持描述符生成、个性化打分函数构建以及虚拟筛选功能的在线计算平台ASFP。该平台可以自动高效地调用一系列计算工具产生蛋白-配体相互作用能量项及小分子结构指纹,并采用机器学习算法建立针对特定靶点的打分函数;此外,ASFP还提供了充分优化的针对15个特定靶点的个性化打分函数和一个用于亲和力预测的通用打分函数,用户可以采用这些打分函数进行靶标预测和虚拟筛选计算,具有良好的实用价值和广阔的应用前景。

关键词： 人工智能   计算思维   机器学习   校本课程  

摘要： 文章探究在初中阶段如何开设人工智能课程，包括教学目标、教学内容、教学方式的设计及实施，并以“简单机器学习”系列课程为例，探讨如何在课堂教学中渗透计算思维能力的培养。

关键词： 人工智能   机器学习  

ISBN: (纸本)9787560659145

摘要： 本书对计算机人工智能领域的主要计算智能算法进行探讨, 重点讨论各种算法的思想来源、流程结构、发展改进、参数设置和相关应用, 内容包括绪论、人工神经网络、模糊系统、遗传算法、蚁群优化算法、粒子群算法、模拟退火算法、禁忌搜索算法、人工免疫系统和数据降维的粗集处理方法以及目前的热门研究和应用领域之一 —— 深度学习。本书通俗易懂, 图文并茂, 通过大量的图表和示例, 对各个算法进行了说明和介绍。

摘要： The aim of this thesis is to move one step forward towards the concept of electroencephalographic (EEG) systems that can achieve the same objectives as high-density EEG with a minimum required number of channels. This requires EEG signal analysis, computational intelligence, and optimization techniques that can systematically identify the minimum number of channels that fulfills the objectives currently achieved with high-density EEG systems. Achieving this goal will pave the way towards the hardware-software realization of user-centric, easy-to-use, readily affordable EEG systems for universal applications. Enabling portability while ensuring performance of comparable or higher quality than that of high-density EEG will expand the accessibility of EEG to non-traditional users and personal applications moving EEG out of the lab. The application horizon will be expanded from experimental research to clinical use, to the gaming industry, intelligence and security sectors, education and daily use by people for self-knowledge. The methods proposed in the thesis comprise the combination of feature extraction techniques and channel selection algorithms with optimization techniques that allow extracting the most essential information from a minimum set of required EEG channels that were tested in two cases-studies: Epileptic seizure classification, and EEG-based biometric systems. The Discrete Wavelet Transform (DWT) and Empirical Mode Decomposition (EMD) were used to decompose EEG signals into different frequency bands and then four features were computed for each sub-band, the Teager and Instantaneous energies and the Higuchi and Petrosian fractal dimensions. For the optimization stage, non-dominated sorting genetic algorithms (NSGA) were used for channel selection, using binary values to represent the channels in the chromosomes, 1 if the channel is used in the classification and optimization process, and 0 if not. Additional genes to represent important parameters for

关键词： 纳米光子器件设计   机器学习   迁移学习   多任务学习  

摘要： 依托具有特定结构的纳米光子器件,光能够在微观尺度上与物质发生相互作用,引发一系列有趣、新颖的物理现象。这些物理现象在众多领域中发挥了重要作用。传统的纳米光子器件设计往往依赖于数值计算方法和先验知识,存在门槛高、效率低等问题。近年来,机器学习取得了快速发展,为纳米光子器件设计提供了新思路和新方法。然而,现有的基于机器学习的纳米光子器件设计方法存在模型训练代价大以及模型通用性差的问题,极大地限制了机器学习方法在纳米光子器件设计中的应用。于是,本文从纳米光子器件设计中的正向预测和逆向设计出发,着眼于模型训练代价大和模型通用性差两个关键问题,基于少样本条件下的机器学习技术提出了一种模型无关的数据增强算法和可扩展的多任务学习模型。具体而言:1、针对模型训练代价大的问题,本文基于迁移学习方法,提出了一种模型无关的数据增强算法。该算法能够联合不同的机器学习模型用以实现纳米光子器件的正向预测。与直接利用数据训练机器学习模型相比,模型无关的数据增强算法能够显著减少模型训练样本的消耗,提高模型的泛化性能。实验证明,该算法在人工神经网络、随机森林回归和支持向量回归三种模型中均显著提升了模型的泛化能力。而在时间复杂度方面,虽然算法的引入在一定程度上增加了模型预测的时间开销,但其计算效率依然远高于数值计算方法(四到五个数量级的优势)。2、针对模型通用性差的问题,本文基于多任务学习方法,提出了一个可扩展的多任务学习模型。该模型不仅可以以高精度和超快的方式对各种纳米光子器件进行逆向设计,而且还可以迅速扩展以适用于新的结构设计,克服了传统机器学习方法单个模型仅适用于特定物理问题的难题,提高了机器学习模型的通用性。依托有限元方法构建的数据集,该模型实现了不同结构和不同参数组合的低维材料异质结的逆向设计,在多个数据集中均表现出了强大的逆向设计能力。以上工作证明了依托物理任务间的相似性,基于机器学习,开展少样本条件下的纳米光子器件设计算法的研究具有很强的可行性,为未来高效设计纳米光子器件提供了方法和思路。

关键词： 前列腺癌   多参数磁共振成像   智能影像计算   机器学习   特征筛选  

摘要： 前列腺癌是前列腺的恶性病变,多发于男性泌尿系统。早期前列腺癌患者的5年相对生存率为100%,但晚期前列腺癌患者的5年相对生存率仅为29.3%。在常规前列腺癌诊断过程中,能否精确识别和诊断前列腺肿瘤良恶性至关重要。前列腺癌患者在接受根治性前列腺切除术之后,通常会进行切缘阳性检测。切缘阳性是生化复发的独立预测因子。因此,在术前进行切缘阳性的预测同样至关重要。多参数磁共振成像(MP-MRI)包括多种结构和分子成像序列,已成为早期、无创诊断前列腺癌的首选方法。目前,临床应用磁共振对前列腺肿瘤的诊断和手术疗效预测尚无统一标准,依据的是临床经验,具有主观性,且可重复性低,临床影像亟需一种客观的自动诊断和疗效预测的方法。随着人工智能技术在医学领域广泛应用,智能影像计算辅助诊断已经成为研究热点。尽管智能影像计算具有众多优势并取得了一定的发展,但在模型构建的标准化和泛化性,以及临床应用等方面需要进一步完善。本文针对上述问题,开展了基于智能影像计算的前列腺癌诊断及疗效预测研究。首先对MP-MRI进行预处理。对459例患者进行感兴趣区域(ROI)的勾画,为后续的分类工作提供肿瘤区域的定位。并对图像进行配准和重采样,使T2加权成像(T2WI)和弥散加权成像的表观弥散系数图像(ADC)具有相同的像素间隔和大小。其次,使用基于高维定量化特征的影像组学方法进行前列腺肿瘤诊断和疗效预测。该部分首先对ROI进行影像特征的提取,包括形状特征,一阶统计特征,纹理特征和小波特征。然后使用两种特征筛选算法(最大相关-最小冗余算法和Wilcoxon秩和检验算法)进行特征筛选减少冗余特征。使用三种分类器(最小绝对收索算子、随机森林、支持向量机)实现分类任务。最后,构建基于多模态和临床特征的模型进行分类工作。采用多元逻辑回归算法将基于T2加权成像和ADC图像的最优单参数影像组学模型融合,构建多参数影像组学模型来提升分类能力。为了更好的拓展智能影像计算的临床应用,将影像特征与临床特征融合构建综合诊断模型。在前列腺肿瘤诊断实验中,基于最大相关-最小冗余算法和最小绝对收索算子分类器的单参数影像组学模型构建方法拥有较好的表现,分类的接收者操作特征曲线下面积(AUC)最高为0.822,综合诊断模型的AUC最高为0.935。在疗效预测实验中,基于最大相关-最小冗余算法和最小绝对收索算子分类器的模型构建方法拥有较好的表现,分类的AUC最高为0.774,综合诊断模型分类的AUC最高为0.836。经实验证明,所建立的综合诊断模型在前列腺肿瘤诊断和疗效预测中是准确的、具有泛化性的。

摘要： Deriving knowledge from data is central to how we live, learn, and decide: Machine learning and data science pipelines are extensively applied to extract knowledge from an ever-increasing amount of data across all fields, including high-energy physics, astronomy, and genetics. These pipelines consist of multiple stages from data exploration to model design, training, and deployment. Different stages have their own set of algorithms and techniques, yet they share a common challenge -- they involve repeated computation on huge data sets. This bottleneck slows down machine learning pipelines, which is problematic not only for latency-sensitive applications (such as self-driving cars and medical diagnosis), but as a result of this bottleneck, only a fraction of the generated data can be processed leading to lower quality models, fewer decisions per time unit, and overall, limited applicability of machine learning. We introduce Computation-Cautious Machine Learning Systems -- Data Canopy, Deep Collider, and MotherNets -- that address the bottleneck of repeated computation and data movement across four critical stages of machine learning pipelines: (i) data exploration, (ii) model design, (iii) model training, and (iv) model deployment. During data exploration, Data Canopy enables reuse of computation and data movement across different statistical queries leading to several orders of magnitude (10x to 100x) improvement in the speed of data exploration and machine learning algorithms. Deep Collider reconsiders conventional model design wisdom and enables drastically better model design by balancing simultaneously accuracy, training time, deployment time, and memory resources. Finally, MotherNets enables fast and accurate training and deployment of ensembles of deep neural networks (2 to 3 percent reduced absolute test error rate and up to 35 percent faster training as compared to state-of-the-art approaches). MotherNets also establishes a new and navigable Pareto frontier

关键词： 肝细胞癌   TACE手术   增强CT   影像组学   机器学习  

摘要： 肝细胞癌(HCC)是第六大最常见的恶性肿瘤,也是与肿瘤相关的死亡的第四大主要原因。近几年将近80%的HCC患者确诊时已经是中晚期,因此不能够进行切除和消融等治愈性治疗。目前对于不可切除的中期肝癌患者的标准治疗方法——经动脉化疗栓塞(TACE)已被证明可以延长患者2–3年的生存期。然而,临床研究发现TACE治疗对有些患者无效,继而导致肿瘤坏死不完全及肝功能进一步恶化。其原因可能是肝肿瘤异质性导致的,从而产生了差异化的个体反应。因此,在治疗决策之前,术前疗效预测模型将对筛选能受益于TACE治疗的患者而言至关重要。本文回顾性分析了苏大附一院的111例术前做了造影增强CT(CECT)的中晚期肝癌患者数据,根据改进RECIST诊断标准(m RECIST 1.1)将患者数据分为客观反应(OR)组(n=38)和无反应(NR)组(n=73),使用分层抽样3:7的比例划分训练集和测试集。本文从CECT图像中肿瘤ROI区域分别提取动脉期(AP)和静脉期(VP)的各1597个肿瘤特征,包括形状特征、一阶灰度信息、纹理特征和基于小波变换的特征;利用不同的特征筛选方法(m RMR和WLCX)和不同的分类算法(RF、SVM和LASSO)对动脉期的肿瘤特征进行模型构建,并分析了不同特征筛选方法和分类算法之间对模型性能的影响;接着,采用决策级融合(DLF)和特征级融合(FLF)两种信息融合方法,对提取的两个不同阶段的CECT图像特征进行融合,建立多相位影像组学模型;最后,使用多变量逻辑回归建立一个结合影像特征和临床特征的影像-临床诺莫图。最终的预测性能通过测试数据集上接收算子特征曲线下面积(AUC)来评价。基于动脉期影像特征的模型测试了特征筛选方法对模型性能的影响,结果表明m RMR相比于WLCX具有更好的性能(平均AUC:0.771>0.700),而不同的分类算法之间并无明显差异,其中使用m RMR与SVM组合的模型AUC达到了0.814;通过DLF和FLF整合的多相位影像组学模型具有更好的预测性能(AUC=0.883和0.844);最终,结合DLF组学模型、肿瘤大小和肿瘤数目构建的影像-临床诺莫图将AUC提高到0.913。本文的研究结果表明基于CECT影像和临床数据构建的模型能够有效预测TACE手术疗效,为临床医生在治疗方案的制定上提供辅助决策的理论基础。

关键词： 基因表达调控   非编码DNA   启动子   甲基化   基因调控网络   蛋白质翻译后修饰   机器学习   信息论  

摘要： 随着众多全基因组测序项目的有序开展和实施,对于基因组学的一系列相关研究逐渐由基因组测序向基因组合成方向发展。以DNA为基础的分子组装技术、基因组编辑技术、定向进化技术和DNA存储技术等前沿合成生物学技术的不断涌现,将极大地促进科研人员对于人工精确调控合成生物学产物的研究。基因表达的精确调控研究对合成生物学至关重要,但仍面临着基因表达调控机制的解析的关键问题,特别是调控相关元件的标记以及基因和功能对应关系等问题。因此,如何对各种各样的调控相关的元件进行识别,如何对未知功能的序列和位点进行功能探索和注释,是后基因组时代的研究重点和难点。随着高通量测序技术的发展,海量多样的组学数据不断产生,这些数据是挖掘生物系统的规律和探究生命奥秘的本质所需的丰富信息载体,但其潜力的挖掘需要借助更高层次的分析手段。机器学习是一种数据分析技术的集合,是智能计算的研究基础,其利用数据表征信息学习并构建预测模型,并已成为现代生物生命科学研究中不可或缺的重要支撑手段。借助大型数据集学习所得的模型,机器学习可以对可能的结果做出预测,从而实现对不断增长的复杂性数据的高层次分析。因此,本文从微观层面上进行了基因表达调控相关功能元件及修饰位点的机器学习预测研究,同时又从系统层面进行了基因调控网络的重构算法研究。本文的具体研究内容主要包括:（1）基于多元特征的非编码DNA序列的识别研究。非编码DNA（Non-coding DNA,nc DNA）序列是生物基因组的重要组成部分。本文提出了能准确且自动化的识别非编码DNA序列的计算模型。该方法针对酿酒酵母（Saccharomyces cerevisiae,***）nc DNA的基准数据集,从单核苷酸、二聚体、三聚体、四聚体、五聚体和六聚体中选择最优特征提取策略,构建了一个基于支持向量机的nc DNA序列预测器Sc-nc DNAPred。该方法不仅可以避免昂贵的开销,同时其检测非编码DNA序列的精度也高达0.98。（2）基于位置特异性差异的σ70启动子识别研究。在原核生物中,启动子调节大部分基因的转录,启动子识别是基因结构识别的重要组成部分。本文结合单链特征的三核苷酸位置特异性倾向(position-specific trinucleotide propensity based on a single-stranded characteristic,PSTNPSS)和三核苷酸电子-离子相互作用赝势（electron-ion interaction potential values for trinucleotides,Pse EIIP）,开发了用于预测原核生物启动子的识别方法70Pro Pred。该方法在准确性和稳定性方面均显著优于现有的原核生物σ70启动子预测方法,同时其也可以推广应用于其他类型的启动子的预测。（3）基于位置特异性差异的DNA胞嘧啶甲基化位点识别研究。N4-甲基胞嘧啶（N4-methylcytosine,4m C）在DNA复制和基因表达中发挥着关键作用,对4m C位点的精确识别是研究其功能和作用机制的基础。本文开发了一种新的工具4m CPred,该工具可以预测秀丽隐杆线虫（Caenorhabditis elegans,***）、黑腹果蝇（Drosophila melanogaster,***）、拟南芥（Arabidopsis thaliana,***）、大肠杆菌（Escherichia coli,***）、Geoalkalibacter subterraneus（***）和Geobacter pickeringii（***）6个物种的4m C位点。独立测试和物种交叉验证的结果表明,4m CPred可以有效预测4m C位点。另外,本文还详细分析了不同特征对于预测结果的重要性。（4）基于多源表达数据的基因调控网络重构算法研究。细胞的生长和分化、疾病的发生和发展都受基因调控网络（Gene Regulatory Networks,GRNs）的控制。在诸多针对GRN的研究中,如何利用基因表达数据来确定基因与基因之间的关系尤为重要。本文提出了一种多源多模型融合方法MMFGRN,用于重构GRN并发现基因之间的潜在调控关系。大量的实验结果表明MMFGRN对不同规模的网络都具有良好的鲁棒性。同时,本文设计的整合策略（包括联合模型构建和加权融合方法）,也为无先验知识的情况下重建生物网络模型提供了一种新的思路。