18、新冠疫情时空传播建模与皮肤癌分类研究

新冠疫情时空传播建模与皮肤癌分类研究

1. 新冠疫情传播建模
   - 提出了一种新颖的城市网络疫情框架，用于研究不同城市中COVID - 19的传播模式。该框架应用于模拟和预测中国湖北省“疫情中心”武汉以及其他11个城市，还有意大利12个疫情严重城市的COVID - 19确诊病例。
   - 此框架在COVID - 19传播预测任务中优于其他确定性的先进模型。研究还表明，将人口流动和随机效应纳入疫情模型是必要的。这为进一步进行疫情模型设计提供了新的科学依据，也为评估COVID - 19的长期社会和经济影响等研究奠定了基础。

2. 皮肤癌分类研究
   - 背景与意义

   • 黑色素瘤是多种皮肤癌中最致命的一种，但如果早期发现，治愈率很高。国际皮肤成像协作组织（ISIC）推动皮肤成像以降低黑色素瘤死亡率。
   • 人工智能技术在医疗保健领域带来诸多益处，深度学习能解决复杂问题，在医疗图像处理中，特征学习对于预测特定特征至关重要。研究旨在创建一个系统，帮助皮肤科医生提高诊断准确性，缩小诊断和治疗之间的差距，减少不必要的活检。
   • 相关工作
   • 有多项使用深度学习解决皮肤癌问题的研究。有的采用深度卷积神经网络（CNN）架构，结合平衡小批量逻辑和新设计的损失函数来处理皮肤疾病分类中的类别不平衡问题。
   • 还有在SIIM - ISIC黑色素瘤分类挑战中获胜的解决方案，使用多种卷积神经网络模型，结合稳定的验证方案、精