公共文化服务平台

共 8 条记录，以下是 1-8

全选清除导出

排序方式：

基于预建模的影像组学特征选择方法被引量：1: 2022年; 提出一种新的、基于预建模的影像组学特征选择方法,可用于影像组学研究中的特征选择。在预建模过程中,首先将提取的影像特征按照特征类别,如一阶、纹理特征等,划分为特征子集,然后采用五折交叉验证的方法,用训练集中每个特征子集中的特征分别建立分类模型。当基于某个特征子集建立的模型的交叉验证AUC高于特定阈值时,该模型中使用的所有子类特征即被选择用于最终的建模。在BraTS2019公开数据集和踝关节不稳定性数据集上对该方法进行了实验,在独立测试集上的AUC分别达到0.947和0.767,优于传统算法的结果。; 淡一波陶虹月王一达王成龙陈爽杨光; 关键词：降维

聚焦目标适性达成:自适应学习领域模型的国际研究进展被引量：3: 2023年; 自适应学习是人工智能教育应用的重要形式。由领域模型、学习者模型、导学模型和人机交互模型作为核心组件构成自适应学习环境,而领域模型指向适应性的学习目标达成,是自适应学习的基础,近年来成为研究的热点问题。鉴于此,聚焦近五年领域模型的国际进展,分析发现,领域模型呈现从良构领域到混合领域的发展趋势,主要包括目标领域表示和领域导学策略两大研究方向。已有研究存在以结构化知识点、认知过程和本体属性三种表示方式,具体从基于学习支架、基于启发对话和基于学习者模型三方面设计导学策略,利用领域知识抽取、领域内容生成和领域内容优化等技术助力领域模型的构建。然而,当前研究还面临领域碎片化、粒度难把控、未适应全人培养和教育认同缺失等现实挑战,未来需在开放共享、满足差异、走向异质化和策略多样化等方面进一步开展研究。; 刘桐顾小清王成龙; 关键词：自适应学习

一种快速选择并显示磁共振血管图像中感兴趣血管的方法: 本发明公开了一种快速选择并显示磁共振血管图像中感兴趣血管的方法，包括如下步骤：数据读取及显示步骤：载入原始图像数据及在终端显示原始图像；用户交互步骤：在原始图像选择的血管的感兴趣区域中，选择一个起点，并确定血管生长方向；...; 王成龙谢海滨宁瑞鹏杨光; 文献传递

基于GPU加速的磁共振血管造影图像的并行分割与追踪算法被引量：3: 2016年; 在应用磁共振血管造影图像进行临床诊断时,临床医生往往需要提取感兴趣区域(Region Of Interest,ROI)的部分血管.这个工作传统上需要手工进行,费时费力.该文提出一种并行的血管分割与追踪算法,利用现代图形处理器(Graphics Processing Unit,GPU)所具备的大规模并行计算能力进行快速的血管分割.首先将三维图像网格化为共面的立方体,并行处理每个立方体,确定立方体中哪些表面有血管通过,以及立方体中哪些体素包含血管.之后再将该结果用于串行的全局分割与血管追踪处理.实验结果表明,利用这种先并行后串行的方法,可以在1 s之内完成全脑血管的分割,分割的结果也更准确.; 张雪莹王成龙谢海滨张成秀马超陆建平杨光; 关键词：磁共振成像(MRI)

基于局部阈值评估的定向区域生长血管跟踪算法: 目的:虽然CE-MRA成像为三维数据,但由于显示设备的限制,三维图像将以二维图像的形式显示,这给诊断带来了难度。为了提供更好的配套技术进行临床病理分析,我们提出了一种新的具有鲁棒性、快速性及定向性的血管分割算法。; 王成龙; 文献传递

基于注意力区域不同组分特征的磁共振成像前列腺癌包膜侵犯诊断研究被引量：2: 2021年; 目的从磁共振图像中分别提取可能发生包膜侵犯区域的不同组分的组学特征,用来帮助诊断前列腺癌的包膜侵犯。材料与方法一共选取了718例前列腺癌患者的T2和ADC数据,分为训练集574例和测试集144例。手动勾画腺体和癌灶ROI,并根据两者位置关系计算注意力ROI。将注意力ROI分为背景、腺体和癌灶三个部分分别提取组学特征组合建模。通过ROC、AUC、混淆矩阵和决策曲线对模型进行分析。结果使用腺体和癌灶ROI建立的模型在训练集上AUC为0.740和0.742,测试集上的AUC为0.746和0.755。注意力ROI模型AUC在训练集上为0.732,在测试集上提高到0.766。注意力子区域特征组合建模的结果最好,可以将训练集和测试集AUC提升到0.794和0.792。结论相较于通过腺体或癌灶建立的影像组学模型,使用可能侵犯区域子区域建模能更好地预测前列腺癌的包膜侵犯,可以为临床包膜侵犯的诊断提供帮助。; 张一鸿侯莹包婕王成龙宋阳张玉东杨光; 关键词：磁共振成像前列腺癌

一种基于多回波GRE序列的多任务神经网络的黑质体-1征象自动识别方法及系统: 本发明公开了一种基于多回波GRE序列的多任务神经网络的黑质体‑1征象自动识别方法及系统，其方法包括磁共振数据的预处理、脑部核团分割、黑质体‑1征象识别关键区域定位及黑质体‑1征象自动识别步骤；系统利用多回波GRE磁共振序...; 严福华王成龙贺娜英李彦杨光张有敏; 文献传递

基于深度学习结合解剖学注意力机制的肺结节良恶性分类被引量：5: 2022年; 肺结节作为肺癌的初期表现,及时的发现和准确的良恶性诊断对于疾病的治疗具有重要的意义。为了提高肺部CT图像中肺结节良恶性的诊断率,提出一种基于3D ResNet的卷积神经网络,并通过加入解剖学注意力模块有效地提高了肺结节良恶性的分类精度。此外,该方法通过自动分割以获取注意力机制所需的感兴趣区域,实现整个流程的全自动化。解剖学注意力的添加能更好地捕捉图像中的局部纹理信息,进一步提取对于肺结节良恶性诊断有用的特征。本文方法在LIDC-IDRI数据集上进行验证。实验结果表明与传统的3D ResNet及其他现有的方法相比,本文方法在分类精度上有显著的提高,在独立测试集上的最终分类的AUC达到0.973,准确率为0.940。由此可见,本文方法能在辅助医生对肺结节的诊断中起到重要作用。; 刘雲王一达张成秀杨光王成龙; 关键词：肺结节 CT图像

全选清除导出

共1页<1>

王成龙