近日，太阳集团1088vip師生在中科院2區TOP期刊《Engineering Applications of Artificial Intelligence》在線發表了題為“BLCov: A Novel Collaborative-competitive Broad Learning System for COVID-19 Detection from Radiology Images”的研究論文。該論文第一作者為2019級本科生伍光恒，通訊作者為段俊偉老師。研究成果得到了國家重點研發計劃“主動健康和老齡化科技應對”重點專項項目、廣東省基礎與應用基礎研究基金自然科學基金項目面上項目、廣東省中醫藥信息化重點實驗室等項目的支持。
（論文截圖）
寬度學習系統（BLS）因其訓練速度快、準确率高和增量學習等優勢，可有效替代深度學習方法，目前已廣泛應用于人工智能領域的各種場景。但是，經典BLS中的稀疏自動編碼器隻考慮了重建輸入數據來獲得特征表示，而忽略了提取特征之間的關系，這可能限制了BLS的特征表示能力。
針對該問題，受協同競争表示（CCR）機制的有效性的啟發，作者們首先提出了一種新穎的基于協同競争表示的自動編碼器（CCRAE），然後基于CCRAE首次提出了協同競争寬度學習系統（CCBLS）以解決上述問題，并首次将CCBLS應用于醫學COVID-19自動檢測。所提出的方法中，使用特征提取模塊從 CT掃描或胸部X射線圖像中提取特征，然後将這些特征用于CCBLS來進行COVID-19檢測。該方法将協同競争表示機制引入到BLS中，充分利用了原始數據間的協同與競争表示特性，實現了更好的特征表示。與以往方法比較，所提方法可實現更好的檢測性能。該成果表明融入協同競争機制後的寬度學習系統在人工智能與醫學等多學科交叉領域中具有廣泛的應用前景。
原文鍊接: https://www.sciencedirect.com/science/article/pii/S0952197622003591
