跳到主要内容
检索

Changchun University

2 篇关联报道

订阅更新
  1. 心理压力对话识别不再逐句判断:情绪转移矩阵把五类识别推到85%,跨轮预测76.2%

    心理压力对话识别此前多把每句话当作独立片段、在最后一层拼接各模态特征,难以刻画情绪在轮次间的累积与转移。BERT-EmoShiftNet把BERT的多层语义编码与EmoShiftNet的情绪转移建模结合,用跨模态Transformer对齐文本、语音和视觉,并在共享嵌入空间做跨模态对比学习。在按对话级切分的自建数据上,全模态五类识别总体准确率为85.0%(95%置信区间[83.2%,86.8%]),情绪转移预测准确率76.2%,平均检测延迟13.4秒。

  2. 双中心127例核性白内障研究:AS-OCT图像特征与LOCS III分级显著相关,自动分级准确率达0.81与0.87

    这项双中心临床验证研究纳入泰国(n=81)与深圳(n=46)共127例不同严重程度的核性白内障患者,用AS-OCT成像并按LOCS III标准分级,开发自动机器学习模型提取核区标注并分析基于特征的量化指标,发现均值、方差、均方根、四分位距和百分位数等像素特征与核性白内障分级显著相关(P<.01),方差、标准差和中位数一致性高而峰度与偏度呈负相关,预测模型在深圳中心准确率0.81(F1 0.82)、泰国中心0.87(F1 0.83),支持核性白内障的三级严重程度分类及辅助诊断与手术规划。

已读完全部报道