CASIA OpenIR

浏览/检索结果: 共18条,第1-10条 帮助

限定条件    
已选(0)清除 条数/页:   排序方式:
基于CT影像表征学习的胃癌预后预测算法研究 学位论文
工学博士, 中国科学院自动化研究所: 中国科学院自动化研究所, 2022
作者:  王思雯
Adobe PDF(18454Kb)  |  收藏  |  浏览/下载:273/8  |  提交时间:2022/06/13
影像组学  表征学习  胃癌  预后预测  计算机断层扫描(CT)  
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
Adobe PDF(5185Kb)  |  收藏  |  浏览/下载:297/9  |  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  
基于多分支网络的医学声学图像重建与分析算法研究 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:  童同
Adobe PDF(24634Kb)  |  收藏  |  浏览/下载:273/9  |  提交时间:2022/06/13
光声断层成像  超声成像  图像重建  图像分析  多分支网络  深度学习  
基于影像组学的肝细胞癌预后因子预测方法研究 学位论文
, 中国科学院自动化研究所: 中国科学院大学, 2021
作者:  顾东升
Adobe PDF(19880Kb)  |  收藏  |  浏览/下载:248/4  |  提交时间:2021/06/16
影像组学,肝细胞癌,预后因子,无创诊断,深度学习  
基于光源邻域信息的激发荧光断层重建算法研究 学位论文
, 中国科学院大学: 中国科学院大学, 2020
作者:  孟慧
Adobe PDF(5883Kb)  |  收藏  |  浏览/下载:270/3  |  提交时间:2020/05/28
光学分子影像  激发荧光断层成像  非局部全变分正则先验  自适应高 斯权重拉普拉斯正则先验  k 近邻局部连接网络  
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
Adobe PDF(4006Kb)  |  收藏  |  浏览/下载:412/6  |  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L1正则化稀疏约束的激发荧光断层重建方法研究 学位论文
, 北京: 中国科学院研究生院, 2017
作者:  叶津佐
Adobe PDF(4773Kb)  |  收藏  |  浏览/下载:324/2  |  提交时间:2017/06/20
光学分子影像  激发荧光断层重建  L1范数正则化  非单调谱投影梯度方法  交替方向优化方法  稀疏度自适应  
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
Adobe PDF(6798Kb)  |  收藏  |  浏览/下载:712/8  |  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  
基于模态融合的生物自发荧光断层成像方法研究与原型系统构建 学位论文
, 中国科学院自动化研究所: 中国科学院大学, 2014
作者:  吴萍
Adobe PDF(2920Kb)  |  收藏  |  浏览/下载:199/0  |  提交时间:2015/09/02
模态融合的光学分子影像  生物自发荧光断层成像  三维重建算法  并行迭代收缩方法  迭代重加权方法  Hybrid Molecular Imaging  Bioluminescence Tomography  3d Reconstruction  Parallel Iterative Shrinkage Method  Iterative Reweighted Method  
激发荧光断层成像的稀疏重建方法研究 学位论文
, 中国科学院自动化研究所: 中国科学院研究生院, 2011
作者:  韩冬
Adobe PDF(5290Kb)  |  收藏  |  浏览/下载:160/0  |  提交时间:2015/09/02
光学分子影像  激发荧光断层成像  迭代重加权方法  迭代收缩方法  匹配追踪方法  简化球谐近似  Optical Molecular Imaging  Fluorescence Molecular Tomography  Iteratively Reweighted Method  Iterated Shrinkage Method  Matching Pursuit Method  Simplified Spherical Harmonics Approximation