.png){kind=icon}
返回
Improved two-view interactional fuzzy learning based on mutual-rectification and knowledge-mergence
.png){kind=icon}
PRE
AI
DOI：10.1016/j.neunet.2025.107576.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
鼻咽癌（NPC）是一种起源于鼻咽后壁的恶性肿瘤，从软腭上方延伸至喉部上方。由于鼻咽部位深藏，单一成像手段难以清晰展示其复杂的邻近关系。此外，其临床表现存在差异性和不确定性。尽管双视角模糊分类器能够有效挖掘鼻咽部位隐藏信息并表现出良好的分类性能，但现有用于预测鼻咽癌是否存在的模糊推理方法往往因无法复用单侧规则而受限。因此，本文提出一种新颖的双视角相互校正与知识融合的Takagi-Sugeno-Kang模糊分类器（TVRM-TFC），以解决利用成像手段精细调整组织器官的挑战。首先，采用Kullback-Leibler散度（KLIC）从不同成像断面（即知识片段）中筛选重要特征。其次，采用可解释的零阶Takagi-Sugeno-Kang（TSK）模糊分类器作为基本训练单元，以同时获得满意的准确率和简洁的语义可解释性。第三，从成像手段和器官两个视角出发，本研究调整不同成像手段间的决策所需信息，使不同视角的互补优势提升决策信息并提高决策准确率。最后，融合成像技术和器官的视角以捕获决策知识，并将不同视角的决策优势有机整合以补充信息并进一步优化决策信息。通过CT和MRI数据的对比实验分析验证了所提分类器的优越性。
Keyword:
TSK fuzzy classifier
Two-view learning
mutual-rectification
Knowledge-mergence
NPC image recognition
期刊
IF:
6.3
论文数:
8.2K
被引数:
3.0W
机构
引用论文
.png){kind=icon}
DVH Prediction for VMAT in NPC with GRU‐RNN: An Improved Method by Considering Biological Effects
OAAI
OAAI分享收藏A Takagi-Sugeno fuzzy model combined with a support vector regression for stock trading forecasting
PREAI
分享收藏Comparison of radiomics tools for image analyses and clinical prediction in nasopharyngeal carcinoma
OAAI
OAAI分享收藏
查看更多内容