爱思唯尔中国金色开放获取高下载论文学者推荐

奖项介绍

　　“爱思唯尔（Elsevier）中国金色开放获取高下载论文学者”是由爱思唯尔全球期刊部特别设立的奖项，旨在发现并表彰国际期刊中来自中国的受瞩目及具影响力的开放获取文章及其作者，以推动和鼓励高质量科研成果的传播。

　　该奖项自2021年起每季度评选一次，在四大学科中（物质科学，生命科学，健康科学，以及人文社科），参照学科规模等因素，选择规定时间范围内上线，并在之后12个月平台总下载量排名前五（人文社科类文章为前三）的中国文章及其作者。 

　　2020年3月、9月以及2021年9月，本刊有三篇文章的作者荣获“爱思唯尔（Elsevier）中国金色开放获取高下载论文学者”称号，在此向各位作者表示祝贺！

　　长按二维码查看获奖文章链接，了解更多关于这些学者们的研究成果！

获奖者及论文

获奖者：

李兰娟 院士

浙江大学医学院附属第一医院感染科

梁廷波 教授

浙江大学医学院附属第一医院肝胆胰外科

吴炜 主任医师

浙江大学医学院附属第一医院感染科

A Deep Learning System to Screen Novel Coronavirus Disease 2019 Pneumonia

利用深度学习系统筛查新冠病毒肺炎

摘要：实时逆转录聚合酶链反应（RT-PCR）检测早期新冠病毒肺炎（COVID-19）患者的痰液或鼻咽拭子中的病毒RNA阳性率较低。同时，COVID-19的计算机断层扫描（CT）影像学的临床表现有其自身的特点，不同于甲型流感病毒性肺炎（IAVP）等其他类型的病毒性肺炎。本研究旨在应用深度学习技术，建立COVID-19、IAVP及健康人群肺部CT的早期筛查模型。本研究共采集618份CT样本，其中219份样本来自110例COVID-19患者（平均年龄50岁，其中男性63例，占57.3%），224份样本来自224例IAVP患者（平均年龄61岁，其中男性156例，占69.6%），175份样本来自健康人群（平均年龄39岁，其中男性97例，占55.4%）。所有CT样本均来自浙江省三家COVID-19定点收治医院。我们首先利用胸部CT图像集的三维（3D）深度学习模型分割出候选感染区域，然后利用位置敏感机制深度学习网络将这些分离的图像归类为COVID-19、IAVP以及与感染无关（ITI）的图像，并且输出相应置信度得分。最后，用Noisy-OR贝叶斯函数计算每份CT病例的感染类型及总置信度。测试数据集的实验结果表明，从整体CT病例来看，本研究利用深度学习系统建立的COVID-19患者的早期筛查模型的总体准确率为86.7%。该模型有望成为一线临床医生诊断COVID-19的一种有效的辅助方法。

文章链接

www.engineering.org.cn/en/
10.1016/j.eng.2020.04.010

扫描二维码 | 阅读原文

获奖者及论文

获奖者：

杨涛 教授

东北大学流程工业综合自动化国家重点实验室

Intelligent Manufacturing for the Process Industry Driven by Industrial Artificial Intelligence

工业人工智能驱动的流程工业智能制造

摘要：基于对流程工业特点和运行现状的分析，以及全球智能制造产业的发展，本文提出了一种流程工业智能制造新模式，即工业人工智能、工业互联网与流程工业的深度融合。本文分析了流程工业现有的由企业资源规划、制造执行系统和过程控制系统组成的三层结构的发展现状，并对流程工业所采用的决策、控制和运行管理进行了总结。在此基础上，阐述了流程工业智能制造的含义，提出了人机合作的智能优化决策系统和智能自主控制系统的愿景。最后，分析了实现流程工业愿景功能所需要攻克的科学挑战和关键技术。

文章链接

www.engineering.org.cn/en/
10.1016/j.eng.2021.04.023

扫描二维码 | 阅读原文

获奖者及论文

获奖者：

任奎 教授

浙江大学网络空间安全学院

Adversarial Attacks and Defenses in Deep Learning

深度学习中的对抗性攻击和防御

摘要：在深度学习（deep learning, DL）算法驱动的数据计算时代，确保算法的安全性和鲁棒性至关重要。最近，研究者发现深度学习算法无法有效地处理对抗样本。这些伪造的样本对人类的判断没有太大影响，但会使深度学习模型输出意想不到的结果。最近，在物理世界中成功实施的一系列对抗性攻击证明了此问题是所有基于深度学习系统的安全隐患。因此有关对抗性攻击和防御技术的研究引起了机器学习和安全领域研究者越来越多的关注。本文将介绍深度学习对抗攻击技术的理论基础、算法和应用。然后，讨论了防御方法中的一些代表性研究成果。这些攻击和防御机制可以为该领域的前沿研究提供参考。此外，文章进一步提出了一些开放性的技术挑战，并希望读者能够从所提出的评述和讨论中受益。

文章链接

www.engineering.org.cn/en/
10.1016/j.eng.2019.12.012

扫描二维码 | 阅读原文

期刊简介

Engineering是中国工程院于2015年创办的工程科技综合性期刊，得到了联合国教科文组织（UNESCO）、国际工程与技术科学院理事会（CAETS）以及美国、英国、法国、德国、瑞典、荷兰、澳大利亚、韩国、印度等各国国家工程科学院和国内外专家学者的积极支持。

Engineering旨在提供一个高水平的工程科技重大成果发布与交流平台，并探讨工程科技发展的热点和难点问题，展望工程科技发展未来等，以促进工程科技更快发展，更好造福于人类，创造更美好的未来。

Engineering主要报道在科学发现的基础上、通过创新形成新的生产力、推动具有重大经济社会意义和世界先进水平的工程和产业的发展。具体栏目包括新闻热点、观点述评、工程成就、研究论文等。

Engineering由中国工程院、中国工程院战略咨询中心、高等教育出版社与国际出版商爱思唯尔合作出版。期刊为月刊，以开放获取（Open Access）的方式出版，并在期刊网站上提供英文和中文版，已被SCI、EI、Scopus、DOAJ、CSCD、CSTPCD等国际权威检索系统收录。

2016年，Engineering入选 “中国科技期刊登峰计划“；2019年，入选 “中国科技期刊卓越行动计划” 领军期刊。期刊最新SCI影响因子12.8，工程综合领域Q1区。

收稿方向

· 机械与运载工程

· 信息与电子工程

· 化工、冶金与材料工程

· 能源与矿业工程

· 土木、水利与建筑工程

· 环境与轻纺工程

· 农业

· 医药卫生

· 工程管理

期刊官网

https://www.sciencedirect.com/journal/engineering

http://eng.engineering.org.cn

投稿网址

https://www.editorialmanager.com/eng/

过刊浏览

Archive