排序方式: 共有18条查询结果,搜索用时 15 毫秒
1.
计算机网络的日益发展,给人们带来便利的同时也产生了很多问题,我们需要建立一套完善的网络安全保护体系来保证计算机网络事业的健康发展。 相似文献
2.
3.
提出一种智能识别肛提肌裂孔的方法,利用端到端的编码器-解码器结构全卷积神经网络,结合自动上下文模型思想,分割出人体盆底超声图像中肛提肌裂孔,采用全连接条件随机场加强边缘约束,对分割结果实现精细化处理,实现肛提肌裂孔的智能识别.通过对372张盆底超声图像进行智能识别,并与医生手动标注结果对比,两者重合率达到95.16%,优于传统卷积神经网络模型,证实基于上下文及条件随机场的神经网络方法能有效识别肛提肌裂孔,具有重要临床应用价值. 相似文献
4.
5.
6.
胎肺发育不良常会令胎儿在出生时引发严重的呼吸窘迫,甚至造成新生儿死亡.胎肺容积测量是临床上无创评估肺成熟度的一项重要手段,但现有的胎肺容积测量方法误差大、过程繁琐、耗时长且临床实用性差.本研究基于3D-nnUnet提出一种高效稳定的胎肺自动分割和测量方法,利用网络对胎肺数据的自适应,有效克服图像组织对比度低和边缘模糊问题,实现了三维超声胎肺的精确分割.针对胎肺超声图像在不同孕周差异大,以及样本数分布极不均衡的问题,提出利用困难样本聚焦和简单样本惩罚(hardmining and easy-penalized,HMEP)损失来提升模型的泛化能力和稳定性.与二维最优分割网络DeepLab V3+和3D-Unet分割结果相比,基于3D-nnUnet的分割网络性能最佳,分割准确率高达85.7%;HMEP损失能够使3D-nnUnet模型专注地学习少数困难样本,将分割准确率提升近2%;分割模型在不同孕周的数据上所测得胎肺容积和医生手动勾画的胎肺容积经一致性检验无显著的统计学差异.实验结果表明,该方法可高效实现三维超声胎肺的自动精确分割和容积测量,具有良好的稳定性和泛化能力,可避免以往胎肺容积测量方... 相似文献
7.
8.
深度学习能自动从大样本数据中学习获得优良的特征表达,有效提升各种机器学习任务的性能,已广泛应用于信号处理、计算机视觉和自然语言处理等诸多领域。基于深度学习的医学影像智能计算是目前智慧医疗领域的研究热点,其中深度学习方法已经应用于医学影像处理、分析的全流程。由于医学影像内在的特殊性、复杂性,特别是考虑到医学影像领域普遍存在的小样本问题,相关学习任务和应用场景对深度学习方法提出了新要求。本文以临床常用的X射线、超声、计算机断层扫描和磁共振等4种影像为例,对深度学习在医学影像中的应用现状进行综述,特别面向图像重建、病灶检测、图像分割、图像配准和计算机辅助诊断这5大任务的主要深度学习方法的进展进行介绍,并对发展趋势进行展望。 相似文献
9.
倪东 《中国计量学院学报》1995,(Z1)
认识论中,主体与客体的关系是对立统一的关系.为了解决认识过程中主体与客体的矛盾,达到主观与客观相一致,人们必须善于寻找主体与客体之间相联结的有利机制,以此掌握科学的思维方法.毛泽东在许多论著中阐发了一系列的思想,这不仅为我们探索主体与客体的关系问题,提供了研究视角;而且,为指导当今中国的社会主义现代化建设,提供了方法论. 相似文献
10.
提出一种超声图像实时模拟新方法,通过调整曲光线参数实时改变超声扫描频率和声束聚焦位置.利用曲光线跟踪算法和基本声学模型,产生能量反射图和衰减图;运用瑞利概率分布函数产生超声斑点模式,通过高斯型点扩散函数进行显示.实验结果表明,利用图形处理器加速显示技术,超声成像模拟速度可达20帧/s.与Field Ⅱ软件的生成结果和真实超声图像的对比,验证了该方法的可行性. 相似文献