排序方式: 共有6条查询结果,搜索用时 31 毫秒
1
1.
2.
李昊轩 《电子制作.电脑维护与应用》2019,(4)
随着人类社会的发展,人们对于健康的重视程度越来越高。医疗影像在医疗诊断中发挥了越来越重要的作用。用于获取人体组织器官和相关结构的图像分割是目前医疗影像中最重要的步骤,是进行医疗手术以及采集进一步治疗方案的条件。传统的图像分割需要医生手动进行这一步骤耗费了医生大量的精力和时间。深度学习目前在计算机视觉领域取得了极大的成功,在图像分类,图像检测等方面的精度已经超越了人类。本文希望将深度学习应用于医疗领域的图像分割,旨在减轻医生的工作强度,提高精度,用深度学习造福人类。 相似文献
3.
4.
5.
胰腺癌是比较常见且死亡率较高的肿瘤疾病。医生需要在复杂的胰腺肿瘤CT图像中寻找可疑的肿瘤区域,这容易产生视觉疲劳,导致误诊。针对CT图像中胰腺肿瘤占比较小、不同尺度特征图间的交互性差等问题,在TransUNet模型的基础上增加了多尺度密集连接和极坐标余弦位置编码。实验结果表明,此模型在处理胰腺肿瘤分割任务时表现良好。 相似文献
6.
智能装置设备产生的时序数据增长迅速,存在严重的数据质量问题.劣质时序数据质量管理和数据质量提升技术需求日益迫切.时序数据的有序时窗、行列关联等特点,为时序数据质量语义表达提出了挑战.提出了一种同时考虑时序数据在行与列上的数据依赖信息的数据质量规则,即时序否定约束TDC.研究了TDC的定义与构建方法,从时窗与多阶表达式运算这两个方面,对已有的数据质量规则体系进行表达力的扩展,并提出针对兼顾行列的时序数据质量规则挖掘方法.在真实时序数据集上开展大量实验,实验结果验证了该方法能够有效且高效地挖掘时序数据中隐藏的数据质量规则.对比实验的结果表明,该方法能够有效地对行与列上的关联信息进行谓词构造;在质量规则挖掘效果上优于单纯的行上约束挖掘方法以及单纯的列上约束挖掘方法. 相似文献
1