全文获取类型
收费全文 | 54篇 |
免费 | 4篇 |
国内免费 | 13篇 |
专业分类
综合类 | 13篇 |
无线电 | 10篇 |
一般工业技术 | 2篇 |
自动化技术 | 46篇 |
出版年
2023年 | 1篇 |
2020年 | 2篇 |
2019年 | 1篇 |
2017年 | 1篇 |
2016年 | 2篇 |
2015年 | 2篇 |
2014年 | 3篇 |
2013年 | 3篇 |
2012年 | 2篇 |
2011年 | 9篇 |
2010年 | 5篇 |
2009年 | 7篇 |
2008年 | 5篇 |
2007年 | 3篇 |
2005年 | 4篇 |
2004年 | 3篇 |
2003年 | 2篇 |
2002年 | 1篇 |
2001年 | 3篇 |
1999年 | 1篇 |
1998年 | 2篇 |
1994年 | 3篇 |
1993年 | 3篇 |
1987年 | 1篇 |
1986年 | 2篇 |
排序方式: 共有71条查询结果,搜索用时 0 毫秒
31.
针对内窥镜手术监控中二维图像三维重建的需求,对结构光三维重建中的标定和匹配中的关键技术进行改进,使用改进后的标定方法和编码策略有效重建了动物内脏目标。为减少错检,在格雷码条纹之间加入一个像素宽的红色,来判断条纹边界像素点的存在与否。使用灰度重心法可精确实现条纹边界定位。针对三步相移法标定投影仪过程中相位去包络的不稳定性问题,使用双频投影栅线法,避免了复杂易产生噪声的去包络过程。实验结果表明,使用文中提出的策略可以有效重建动物内脏目标。 相似文献
32.
33.
为去除导丝伪影以提高血管内光学相干断层扫描(IVOCT)的图像质量,辅助医师更加准确地诊断心血管疾病,降低误诊及漏诊的概率,针对IVOCT图像结构信息复杂且伪影区域占比大的难点,提出一种采用生成对抗网络(GAN)架构的基于Transformer的结构强化网络(SETN)。首先,GAN的生成器在提取纹理特征的原始图像(ORI)主干生成网络的基础上,并联了RTV(Relative Total Variation)图像强化生成网络用于获取图像的结构信息;其次,在ORI/RTV图像的伪影区域重建过程中,引入了分别关注时/空间域信息的Transformer编码器,用于捕获IVOCT图像序列的上下文信息以及纹理/结构特征之间的关联性;最后,利用结构特征融合模块将不同层次的结构特征融入ORI主干生成网络的解码阶段,配合判别器完成导丝伪影区域的图像重建。实验结果表明,SETN的导丝伪影去除结果在纹理和结构的重建上均十分优秀。此外,导丝伪影去除后IVOCT图像质量的提高,对于IVOCT图像的易损斑块分割及管腔轮廓线提取任务均具有积极意义。 相似文献
34.
35.
为了更精确地对心室组织进行分层,提出了一种线性分层填充方法,利用高分辨率的DT-MRI人体心脏成像数据,基于心肌纤维走向由内向外的旋转角与心室细胞类型之间线性对应关系,对所有心室组织切片,逐片进行层间划分,重建了具有非均匀性细胞分布的三维心室精细解剖结构.然后,将非均匀性单心室细胞计算模型和建立的三维心室解剖结构相结合... 相似文献
36.
37.
38.
一种近红外舌下静脉提取方法 总被引:1,自引:0,他引:1
舌下静脉是中医舌诊中一个重要的诊断依据,介绍了使用近红外舌下静脉图像采集仪采集到的近红外舌下静脉图像,并提出了从这种近红外舌下静脉图像中提取出舌下静脉轮廓的方法,根据所采集到的近红外舌下静脉图像的特点,首先使用基于分水岭的射线法获得舌下区域整体轮廓,去除舌下区域周围的干扰信息.然后使用动态灰度阈值法在已获得的有效舌下区域进行二值化,并结合近红外舌下静脉图像的灰度特征确定舌下静脉候选区域,进而根据舌下静脉区域的灰度一致性,进行自适应地区域生长,并获得最终静脉轮廓,实验结果表明,该方法能有效地分离舌下静脉与周边的舌质背景,并能准确定位舌下静脉的完整边界。 相似文献
39.
针对医学磁共振(Magnetic resonance,MR)图像三维分割中随机森林(Random forest,RF)方法难以获得具有几何约束的结果以及活动轮廓模型(Active contour model,ACM)不能自动分割发生信号混叠的组织结构的问题,提出了一种整合了级联随机森林与活动轮廓模型的磁共振图像三维分割方法.该方法首先从多模态磁共振体数据中提取图像多尺度局部鲁棒统计信息,以此驱动级联随机森林对磁共振图像进行迭代的体素分类,从而获得对组织结构的初步分割结果,进一步将此结果作为初始轮廓与形状先验,整合进一个尺度可调的活动轮廓模型中,将独立的体素分类转化为轮廓曲线演化,最终得到具有几何约束的精确分割结果.在公开数据集上的实验结果表明,本文的自动化分割方法在分割精度和鲁棒性等方面,相比其他同类方法具有较大的性能提升. 相似文献
40.
基因表达数据的聚类分析研究进展 总被引:3,自引:1,他引:3
基因表达数据的爆炸性增长迫切需求自动、有效的数据分析工具. 目前聚类分析已成为分析基因表达数据获取生物学信息的有力工具. 为了更好地挖掘基因表达数据, 近年来提出了许多改进的传统聚类算法和新聚类算法. 本文首先简单介绍了基因表达数据的获取和表示, 之后系统地介绍了近年来应用在基因表达数据分析中的聚类算法. 根据聚类目标的不同将算法分为基于基因的聚类、基于样本的聚类和两路聚类, 并对每类算法介绍了其生物学的含义及其难点, 详细讨论了各种算法的基本原理及优缺点. 最后总结了当前的基因表达数据的聚类分析方法,并对发展趋势作了进一步的展望. 相似文献