已选(0)清除
条数/页: 排序方式: |
| 基于CT影像组学的胃癌TNM分期预测算法研究 学位论文 , 中国科学院自动化研究所: 中国科学院自动化研究所, 2022 作者: 方梦捷![](/image/person.jpg)
Adobe PDF(5185Kb)  |   收藏  |  浏览/下载:336/10  |  提交时间:2022/06/13 影像组学 深度学习 胃癌 TNM 分期 计算机断层扫描 |
| 基于深度学习策略的超声多模态影像组学方法研究 学位论文 , 中国科学院大学自动化研究所: 中国科学院大学, 2020 作者: 周辉![](/image/person.jpg)
Adobe PDF(4006Kb)  |   收藏  |  浏览/下载:450/6  |  提交时间:2020/05/28 超声成像 深度学习 影像组学 无创诊断 人工智能 |
| 基于深度学习的小样本肿瘤CT影像分析算法研究 学位论文 工学博士, 中国科学院自动化研究所: 中国科学院大学, 2019 作者: 王硕![](/image/person.jpg)
Adobe PDF(6465Kb)  |   收藏  |  浏览/下载:550/2  |  提交时间:2019/07/08 计算机断层扫描(ct) 深度学习 肿瘤分割 半监督学习 预后分析 |
| 无肿瘤区域引导的生物自发荧光断层成像重建算法研究 学位论文 , 北京: 中国科学院大学, 2019 作者: 高源![](/image/person.jpg)
Adobe PDF(7003Kb)  |   收藏  |  浏览/下载:292/7  |  提交时间:2019/06/11 光学分子影像 生物自发荧光断层成像 高斯权重拉普拉斯正则先验 双边权重拉普拉斯正则先验 多层感知机重建模型 |
| 基于卷积神经网络的肺结节良恶性分类算法研究 学位论文 , 北京: 中国科学院大学, 2016 作者: 沈伟![](/image/person.jpg)
Adobe PDF(6798Kb)  |   收藏  |  浏览/下载:729/8  |  提交时间:2016/06/23 卷积神经网络 良恶性 多尺度特征 迁移学习 |
| 肿瘤PET/CT成像影像组学相关算法的研究 学位论文 , 北京: 中国科学院大学, 2016 作者: 牟玮![](/image/person.jpg)
Adobe PDF(8408Kb)  |   收藏  |  浏览/下载:795/4  |  提交时间:2016/06/21 正电子发射成像/计算机断层成像(Pet/ct) 肿瘤分割 肿瘤分期 生存 分析 |
| 模拟束靶耦合实验平台建设及关键技术研究 学位论文 , 中国科学院自动化研究所: 中国科学院大学, 2013 作者: 姚锴
Adobe PDF(1508Kb)  |   收藏  |  浏览/下载:233/0  |  提交时间:2015/09/02 惯性约束聚变 束靶耦合 霍夫变换 Ransac 跟踪 Qt Inertial Confinement Fusion Beam-target Coupling Hough Transform Ransac Tracking Qt |
| 视网膜图像配准算法的研究与实现 学位论文 , 中国科学院自动化研究所: 中国科学院研究生院, 2010 作者: 邢雨
Adobe PDF(1784Kb)  |   收藏  |  浏览/下载:234/0  |  提交时间:2015/09/02 医学图像配准 视网膜图像 多模态 基于局部特征描述 Medical Image Registration Retinal Image Multimodal Based On Local Feature descriptiOn |
| 基于K均值聚类的图割脑部MRI分割算法研究 学位论文 , 中国科学院自动化研究所: 中国科学院研究生院, 2010 作者: 吴永芳
Adobe PDF(799Kb)  |   收藏  |  浏览/下载:201/0  |  提交时间:2015/09/02 图割 脑部mri 高斯混合模型 K均值聚类 Graph Cuts Magnetic Resonance Imaging Of Brain Gmm Kmc |
| 掌纹分类方法的应用研究 学位论文 , 中国科学院自动化研究所: 中国科学院研究生院, 2007 作者: 郑志鹏
Adobe PDF(1348Kb)  |   收藏  |  浏览/下载:114/0  |  提交时间:2015/09/02 生物特征识别 掌纹分类 多模式识别 自商图像 共生矩阵 Biometrics Recognition Palmprint Classification Multi-pattern Recognition Self-quotient Image Co-occurrence Matrix |