由中國科學院沈陽自動化研究所副研究員叢楊設(shè)計的基于群稀疏約束的深度特征選擇模型，以Deep Sparse Feature Selection for Computer Aided Endoscopy Diagnosis為題，近期在Elsevier知名期刊Pattern Recognition上發(fā)表(DOI:10.1016/j.patcog.2014.09.010)，這也標志著沈陽自動化所在醫(yī)學影像分析研究方面取得新進展。
面向?qū)崟r醫(yī)學影像的計算機輔助病灶診斷問題，所提取的圖像特征往往維度較高、各特征維度間存在冗余和非相關(guān)信息，會對識別結(jié)果造成干擾，降低診斷的準確性。針對這一問題，沈陽自動化所副研究員叢楊設(shè)計了基于群稀疏約束的深度特征選擇模型。與傳統(tǒng)特征選擇模型不同的是，該模型在選取有效特征子集的同時，還為每一維特征賦予相應(yīng)的權(quán)重，提高了算法的可擴展性，該方法不僅有效剔除了干擾特征對于診斷結(jié)果的影響，還提高了算法的執(zhí)行效率。
該成果也可用于數(shù)據(jù)挖掘和機器學習領(lǐng)域，解決因大數(shù)據(jù)所產(chǎn)生的高維特征冗余和干擾問題。該研究成果以Deep Sparse Feature Selection for Computer Aided Endoscopy Diagnosis為題，近期在Elsevier知名期刊Pattern Recognition上發(fā)表(DOI:10.1016/j.patcog.2014.09.010)。該研究獲得國家科技支撐計劃和國家自然科學基金的支持。Pattern Recognition 是模式識別領(lǐng)域最知名的2個國際期刊之一，5年平均影響因子 3.153。（機器人學研究室）
