基于概率记忆自编码网络的监控视频异常行为检测研究 学术背景 在智能监控系统中，异常行为检测是一项至关重要的功能，广泛应用于反恐、社会稳定维护和公共安全保障等领域。然而，异常行为检测面临着一个核心挑战：正常行为数据和异常行为数据之间的极端不平衡。正常行为数据通常大量且易于获取，而异常行为数据则稀少且难以预测。这种不平衡使得传统的监督学习方法难以有效训练模型。因此，研究如何利用大量正常行为数据来建模正常行为分布，并以此为基础检测异常行为，成为了一个重要的研究方向。 近年来，基于深度学习的方法在异常行为检测中取得了显著进展。特别是，基于视频帧重建和未来帧预测的方法被认为在性能上优于传统的重建方法。然而，现有的方法在处理复杂场景和多模态正常行为时仍存在局限性。为了解决这些问题，本研究提出了一种基于概...

全自动多模态MRI多任务学习用于胶质瘤分割和IDH基因分型的研究报告 研究背景 胶质瘤是中枢神经系统中最常见的原发性脑肿瘤，根据世界卫生组织（WHO）2016年分类，胶质瘤分为低级别胶质瘤（LGG，级别II和III）和高级别胶质瘤（HGG，级别IV）。异柠檬酸脱氢酶（Isocitrate Dehydrogenase, IDH）突变状态是胶质瘤中最重要的预后标志之一。临床研究发现，含有IDH突变的低级别胶质瘤患者预后通常优于IDH野生型患者。传统的胶质瘤手工分割费时费力，而准确的IDH基因分型和精确的胶质瘤分割对于指导治疗和评估预后具有重要意义。由于多模态磁共振成像（Magnetic Resonance Imaging, MRI）的非侵入性和日常临床实践中的重要作用，它被认为是最有前途的候选技...