中文版 | English

在结果中检索

CASIA OpenIR

浏览/检索结果: 共6条，第1-6条 帮助

限定条件                
已选(0)清除 条数/页：   排序方式：
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：402/6  |  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  
Differential Diagnosis of Benign and Malignant Thyroid Nodules Using Deep Learning Radiomics of Thyroid Ultrasound Images 期刊论文
European Journal of Radiology, 2020, 期号: 127, 页码: 0
作者:  Zhou, Hui;  Jin, Yinhua;  Dai, Lei;  Zhang, Meiwu;  Qiu, Yuqin;  Wang, Kun;  Tian, Jie;  Zheng, Jianjun
浏览  |  Adobe PDF(2025Kb)  |  收藏  |  浏览/下载：246/77  |  提交时间：2020/05/28
Thyroid Nodules  Thyroid Ultrasound  Deep Learning  Ultrasound Radiomics  Diagnosis  
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
Adobe PDF(6465Kb)  |  收藏  |  浏览/下载：513/2  |  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  
Brain slices microscopic detection using simplified SSD with Cycle-GAN data augmentation 会议论文
, Siem Reap, 13-16 Dec. 2018
作者:  Weizhou Liu;  Long Cheng;  Deyuan Meng
浏览  |  Adobe PDF(1305Kb)  |  收藏  |  浏览/下载：218/96  |  提交时间：2019/02/14
Comparison between the indocyanine green fluorescence and blue dye methods for sentinel lymph node biopsy using novel fluorescence image-guided resection equipment in different types of hospitals 期刊论文
TRANSLATIONAL RESEARCH, 2016, 期号: 178, 页码: 74-80
作者:  He, Kunshan;  Chi, Chongwei;  Kou, Deqiang;  Huang, Wenhe;  Wu, Jundong;  Wang, Yabing;  He, Lifang;  Ye, Jinzuo;  Mao, Yamin;  Zhang, Guo-Jun;  Wang, Jiandong;  Tian, Jie
浏览  |  Adobe PDF(851Kb)  |  收藏  |  浏览/下载：564/151  |  提交时间：2017/02/14
Indocyanine Green Fluorescence  
Automatic segmentation of the lateral geniculate nucleus: Application to control and glaucoma patients 期刊论文
JOURNAL OF NEUROSCIENCE METHODS, 2015, 卷号: 255, 期号: 2015, 页码: 104-114
作者:  Wang, Jieqiong;  Miao, Wen;  Li, Jing;  Li, Meng;  Zhen, Zonglei;  Sabel, Bernhard;  Xian, Junfang;  He, Huiguang
浏览  |  Adobe PDF(2097Kb)  |  收藏  |  浏览/下载：289/38  |  提交时间：2016/01/18
Automatic Segmentation  Lgn  Structural Mri  Vision