近日，我中心一篇论文被IEEE Transactions on Neural Networks and Learning Systems（TNNLS）期刊录用。该期刊属人工智能、机器学习、计算机科学的交叉学科领域，主要刊发神经网络和学习系统相关的最新研究成果，是IEEE计算智能学会的旗舰刊物，最新影响因子为14.255，属于中科院一区期刊。
论文题目：A distance transformation deep forest framework with hybrid-feature fusion for CXR image classification。论文由本中心的洪清启老师，林凌莉、李子晗硕士生，姚俊峰老师，吴清强老师，刘昆宏老师，与英国赫尔大学Qingde Li教授，和中科院自动化所的田捷教授合作完成。
论文提出了一种基于多特征融合的距离变换深度森林模型（DTDF-HFF），用于实现CXR图像的精准分类。在所提方法中，我们通过两种方式提取CXR图像的混合特征：手工特征提取和多粒度扫描。不同类型的特征被馈送到深度森林同一层的不同分类器中，并且在每一层获得的预测向量根据自适应方案转换成距离向量。由不同分类器获得的距离向量与原始特征融合并连接，然后输入到下一层对应的分类器中。我们在公开的数据集上将提出的方法与其他方法进行了比较，实验结果表明论文所提出的方法可以达到最先进的性能水平。
