2019年11月22日讨论班报告

各位老师，同学：

时间：11月22日 15:30

地点：办公楼410会议室

报告内容：

王智超 Automated detection and classification of thyroid nodules in ultrasound images using clinical-knowledge-guided convolutional neural networks

超声对甲状腺结节的准确诊断是一项有价值但又困难的工作，即使对有经验的放射科医师也是如此。计算机辅助诊断(CAD)方法可以为放射科医师提供客观的建议。然而，现有的基于学习的方法的性能仍然是有限的，因为直接应用一般的学习模型往往忽略了与特定结节诊断相关的关键领域知识。在本研究中，我们提出一种新的基于深度学习的CAD系统，以特定任务的先验知识为指导，实现超声图像中结节的自动检测和分类。我们在两个数据集（即数据集I和数据集II）上将我们的方法与最新的CAD方法和经验丰富的放射学家进行了评估和比较。数据集I的检测和诊断准确性分别为97.5％和97.1％。此外，我们的CAD系统在数据集II上的表现也比经验丰富的放射线医师更好，准确度提高了8％。实验结果表明，该方法对甲状腺结节的鉴别是有效的。

冯辉 MV-Sketch: A Fast and Compact Invertible Sketch for Heavy Flow Detection in Network Data Streams

网络测量是SDN发展的基础，在SDN网络中, 网络管理员通过网络测量及时了解、监控掌握网络状态，调整网络的性能参数，及时发现可能存在的DDOS攻击、网络入侵等状况。Sketch是一种压缩数据结构，使用哈希函数将数据映射到Sketch中，将大量网络流压缩至小部分的内存空间中，通过查询操作获得流量统计数据。MV-Sketch是对Sketch的一种改进，hash运算时加入了MJTRY算法(主票算法), 在Sketch中只保留候选大流，实现了小内存下的大流检测。实验表明MV-Sketch在大流检测、异常流监测方面比普通可逆Sketch具有更高的准确率，吞吐量高达3.38倍。

下周报告人：弭娜、张忠凯