近日，网络空间安全学院师生在中科院2区TOP期刊《Engineering Applications of Artificial Intelligence》在线发表了题为“BLCov: A Novel Collaborative-competitive Broad Learning System for COVID-19 Detection from Radiology Images”的研究论文。该论文第一作者为2019级本科生伍光恒，通讯作者为段俊伟老师。研究成果得到了国家重点研发计划“主动健康和老龄化科技应对”重点专项项目、广东省基础与应用基础研究基金自然科学基金项目面上项目、广东省中医药信息化重点实验室等项目的支持。
（论文截图）
宽度学习系统（BLS）因其训练速度快、准确率高和增量学习等优势，可有效替代深度学习方法，目前已广泛应用于人工智能领域的各种场景。但是，经典BLS中的稀疏自动编码器只考虑了重建输入数据来获得特征表示，而忽略了提取特征之间的关系，这可能限制了BLS的特征表示能力。
针对该问题，受协同竞争表示（CCR）机制的有效性的启发，作者们首先提出了一种新颖的基于协同竞争表示的自动编码器（CCRAE），然后基于CCRAE首次提出了协同竞争宽度学习系统（CCBLS）以解决上述问题，并首次将CCBLS应用于医学COVID-19自动检测。所提出的方法中，使用特征提取模块从 CT扫描或胸部X射线图像中提取特征，然后将这些特征用于CCBLS来进行COVID-19检测。该方法将协同竞争表示机制引入到BLS中，充分利用了原始数据间的协同与竞争表示特性，实现了更好的特征表示。与以往方法比较，所提方法可实现更好的检测性能。该成果表明融入协同竞争机制后的宽度学习系统在人工智能与医学等多学科交叉领域中具有广泛的应用前景。
原文链接: https://www.sciencedirect.com/science/article/pii/S0952197622003591
