摘要：阿尔茨海默病(AD)是一种发病进程缓慢、随着时间不断恶化的神经退化性疾病,在老龄化的趋势下,AD患者数量日渐增加。因此,如何对其予以早期精准诊断并进行正向干预是急需解决的问题。为提高计算机辅助诊断的效率,同时促进疾病的病理生理机制研究,提出了改进的基于SE模块二维双路径融合网络的分类方法,在网络中加入缩减系数模块,增加图片有用信息占比;对通道注意模块的权重函数重新设计,增大特征图间差异,联合二维双路径网络,增大网络倚重点,达到更好分类性能的同时,防止模型过拟合。使用ADNI数据集对AD、EMCI、NC进行二分类,实验表明所提出模型准确度相比于vgg和二维双路径融合模型分别提高了5.59%和8.11%,与其它先进方法进行比较验证了所提方法的可行性。

摘要：基于Tensorflow训练了人脸动漫化模型和风景动漫风格转换的模型,并将此模型转为可在PyTorch下使用,摆脱Tensorflow的环境限制,仅需配置PyTorch相关环境即可成功使用。通过这些模型,用户可以将现实世界的图片转换为动漫的风格,体验到简单创作的乐趣。2个模型的训练使用新型的轻量级生成对抗网络AnimeGAN,以实现快速的动画风格转换。

摘要：目的 利用人工智能技术探索建立蠓类的自动分类识别方法,以实现蠓虫自动分类。方法 对珠海口岸3种蠓科昆虫尖喙库蠓、台湾蠛蠓、异域库蠓进行图像采集,然后分别以深度学习方法(建立在PaddlePaddle框架支持下的vgg卷积神经网络模型)和传统的机器学习方法(利用Matlab软件建立以手工设计特征为输入的BP神经网络模型)进行图像识别。结果 成功建立了基于vgg模型和BP模型的蠓虫自动分类技术。测试集在vgg模型的预测正确率为100.0%,在BP模型的预测正确率为94.7%,两种方法无显著性差异(P>0.05)。结论 人工智能技术应用于蠓翅图像识别可取得良好效果。