简介:尤其是能够以ROI压缩方式实现对图像中感兴趣区域的压缩,图6是ROI区域在原图像中的位置和大小,本文使用JPEG2000标准的Maxshift法对单幅数字医学图像的感兴趣区域做ROI压缩
简介:传统的生物医学命名实体识别方法需要大量的标注数据样本,但是在实际应用中标注样本代价高昂。为降低生物医学命名实体识别对标注样本的需求,本文提出通过使用PU学习中的两步法方法,将生物医学命名实体识别问题转化为PU场景下的命名实体识别问题。在第一步中分别使用1-DNF、Spy、NB和Rocchio算法在未标注数据中抽取强负例,然后在已有的正例数据和强负例数据的基础上构建隐马尔可夫模型,最后对待分类数据进行命名实体识别。在GENIA语料库上的实验结果显示,在标注数据较少的情况下,通过使用PU学习方法的两步法构建分类模型,其性能显著优于直接使用标注数据构建的分类模型,同时降低了人工标注数据的成本。
简介:PO与数据库中的相应记录是同步的,数据库中的数据和PO中的数据同时消失,即使是系统在进行数据更新时