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：

一种胸片筛查分类预测方法、装置、电子设备及存储介质: 本发明公开了一种胸片筛查分类预测方法、装置、电子设备及存储介质，该方法包括以下步骤：对获取的待筛查的胸片图像进行对比度增强处理，获得对比度增强图像；将所述对比度增强图像输入到预先训练好的分类模型中，确定所述胸片图像的类别...; 张晓东王霄英孙兆男任昕周宇周雯李建辉谢辉辉刘婧张虽虽李津书刘建新

放射科技术人员在SARS病房因地制宜开展工作被引量：1: 2003年; 刘建新孟天赵永为张宏刘伯山刘洪来李瑞芝杨秀芬李津书徐文祥解雪松宋鲁新; 关键词：放射科技术人员 SARS病房传染性非典型肺炎严重急性呼吸综合症胸部X线诊断

LDRD-01型低剂量数字化X线机在SARS诊断中的应用被引量：2: 2003年; 刘伯山宋鲁新廉学文李津书蒋学祥; 关键词：SARS 传染性非典型肺炎严重急性呼吸综合症

基于深度学习模型的X线胸片去骨的初步研究被引量：2: 2021年; 目的:探讨基于深度学习方法对X线胸片(CXR)进行去骨处理的可行性。方法:总样本数据集由开源数据集和自采数据集两部分组成,共300个图像对,每对图像包括一个常规CXR和一个去骨后的CXR,其中开源数据集(JSRT+BSE JSRT)241对,自采数据集(双能减影胸部X光片)59对。使用深度残差网络(ResNet)作为去骨模型的基础架构,结合动态U-Net网络,并以Imagenet预训练VGG(Visual Geometry Group)网络,提取图像激活及风格特征组成损失函数,来训练去骨模型。将总样本数据随机分为训练集(80%)、调优集(5%)和测试集(15%)。以测试集的峰值信噪比(PSNR)和结构相似性(SSIM)结果作为CXR去骨模型的评价指标。结果:在测试集中,CXR去骨模型的PSNR(dB)和SSIM分别为31.94±2.49和93.37%±5.11%。根据PSNR值分析,88.89%的模型去骨后图像的质量较好,根据SSIM值分析,86.67%的模型去骨后图像与目标图像的结构相似性达到88%以上。结论:深度学习模型对X线胸片图像的去骨处理是可行的,可用于进一步研究并尝试应用于临床。; 毕忠旭李子元周宇任昕李津书刘建新王霄英张晓东; 关键词：人工智能 X线胸片

工作环境对非晶硒平板探测器的影响: 目的:通过安装使用Hologic乳腺DR系统,探讨工作环境对非晶硒平板探测器的影响。材料与方法:1.Hologic乳腺DR系统,温度计,湿度计,1.5匹空调,sj-381E除湿机。2.记录每天机房的温度、湿度。3.每周五...; 李津书王子岩; 文献传递

基于深度残差网络研发辅助诊断软件用于X线胸片分类诊断被引量：14: 2019年; 目的:研究以深度残差网络(ResNet)为基础架构建立深度学习模型,对X线胸片(CXR)做出“有发现”与“无发现”鉴别诊断的可行性。方法:回顾性收集2017年1月1日至2018年7月1日的连续CXR图像及诊断报告,经过数据清洗后分为“无发现”组(无任何异常发现,诊断印象为“两肺心膈未见异常”,共9765例)与“有发现”组(诊断印象中提及了一种以上影像所见,共9956例)。使用ResNet152(152 layers)作为二分类模型的基础架构,结合Grad-CAM技术生成模型激活热图,训练二分类模型。数据随机分为训练集(70%)、调优集(20%)和测试集(10%)。以测试集的预测结果检测CXR二分类模型的效能。结果:在测试集中(“有发现”者1018例,“无发现”者995例),CXR二分类模型鉴别“有发现”与“无发现”的精确度分别为0.885和0.894,召回率分别为0.898和0.880,F1-分数分别为0.891和0.887,ROC曲线下面积均为0.96。结论:使用CXR二分类模型可对X线胸片做出“无发现”与“有发现”的预测。; 张晓东孙兆男任昕周宇周雯李建辉谢辉辉刘婧张虽虽李津书王霄英; 关键词：人工智能胸部X线片

全选清除导出

共1页<1>

李津书