期刊导航
期刊开放获取
上海教育软件发展有限公..
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
2
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式：
文摘
详细
列表
相关度排序
被引量排序
时效性排序
基于深度卷积神经网络的甲状腺超声图像良恶性结节识别方法研究
被引量：
2
1
作者
姚文君
殷超然
+3 位作者
朱宏庆
江健敏
庞小溪
孙怡宁
《安徽医科大学学报》
CAS
北大核心
2023年第5期854-858,共5页
目的探讨深度卷积神经网络在甲状腺结节超声图像的自动检测和良恶性分类中应用价值。方法回顾性选取1012幅甲状腺结节的超声图像并对其进行标记,构建YOLOv5网络模型,精准定位甲状腺结节所在位置并自动裁减结节所在区域,同时构建GoogLeNe...
目的探讨深度卷积神经网络在甲状腺结节超声图像的自动检测和良恶性分类中应用价值。方法回顾性选取1012幅甲状腺结节的超声图像并对其进行标记,构建YOLOv5网络模型,精准定位甲状腺结节所在位置并自动裁减结节所在区域,同时构建GoogLeNet网络模型对裁减后结节的图像进行良恶性分类。结果在所采集的数据集中,目标检测网络对甲状腺结节位置检测的平均精确度均值为96.2%;分类网络对良恶性结节分类的敏感度为0.885,特异度为0.822,准确度为0.866,AUC值为0.92,显著高于AlexNet模型(AUC=0.81)、VGG模型(AUC=0.86)和MobileNet模型(AUC=0.76)。结论深度卷积神经网络模型对超声图像中的甲状腺良恶性结节具有较高的定位和识别能力,有助于提高影像自动诊断的准确性。
展开更多
关键词
甲状腺结节
超声图像
深度卷积神经网络
YOLOv5网络
在线阅读
下载PDF
职称材料
基于粉煤灰和Fe_(3)O_(4)的磁捕剂制备及其吸附性能
2
作者
陈龙飞
陈广洲
黄青
《安徽大学学报（自然科学版）》
CAS
北大核心
2022年第1期47-53,共7页
针对环境水体中藻和重金属污染的问题,将粉煤灰和Fe_(3)O_(4)配比混合,使用盐酸进行改性处理,制备磁捕剂,研究磁捕剂的吸附性能.研究结果表明:经5 mL的7%盐酸改性后的磁捕剂的除藻效果最佳,去除率最高,为99.49%;pH=4时,磁捕剂对藻的去...
针对环境水体中藻和重金属污染的问题,将粉煤灰和Fe_(3)O_(4)配比混合,使用盐酸进行改性处理,制备磁捕剂,研究磁捕剂的吸附性能.研究结果表明:经5 mL的7%盐酸改性后的磁捕剂的除藻效果最佳,去除率最高,为99.49%;pH=4时,磁捕剂对藻的去除率最高,为99.7%;pH=6时,磁捕剂对Cr(Ⅵ)的去除率最高,为85.47%.研究结果为环境治理及资源循环利用提供了新的思路.
展开更多
关键词
磁捕剂
铜绿微囊藻
混凝
Cr(Ⅵ)
吸附
在线阅读
下载PDF
职称材料
题名
基于深度卷积神经网络的甲状腺超声图像良恶性结节识别方法研究
被引量：
2
1
作者
姚文君
殷超然
朱宏庆
江健敏
庞小溪
孙怡宁
机构
安徽医科大学第二附属医院放射科
中国科学院合肥物质研究院智能机械研究所
安徽省第二人民医院超声科
安徽大学电子信息工程
学院
安徽医科大学第二附属医院核医学科
出处
《安徽医科大学学报》
CAS
北大核心
2023年第5期854-858,共5页
基金
安徽省自然科学基金(编号:2008085QH406)
安徽医科大学第二附属医院临床研究培育计划(编号:2020LCYB05)
安徽省转化医学研究院科研基金(编号:2021zhyx-C45)。
文摘
目的探讨深度卷积神经网络在甲状腺结节超声图像的自动检测和良恶性分类中应用价值。方法回顾性选取1012幅甲状腺结节的超声图像并对其进行标记,构建YOLOv5网络模型,精准定位甲状腺结节所在位置并自动裁减结节所在区域,同时构建GoogLeNet网络模型对裁减后结节的图像进行良恶性分类。结果在所采集的数据集中,目标检测网络对甲状腺结节位置检测的平均精确度均值为96.2%;分类网络对良恶性结节分类的敏感度为0.885,特异度为0.822,准确度为0.866,AUC值为0.92,显著高于AlexNet模型(AUC=0.81)、VGG模型(AUC=0.86)和MobileNet模型(AUC=0.76)。结论深度卷积神经网络模型对超声图像中的甲状腺良恶性结节具有较高的定位和识别能力,有助于提高影像自动诊断的准确性。
关键词
甲状腺结节
超声图像
深度卷积神经网络
YOLOv5网络
Keywords
thyroid nodule
ultrasound image
deep convolutional neural networks
YOLOv5 network
分类号
R816.6 [医药卫生—放射医学]
R320.1140 [医药卫生—人体解剖和组织胚胎学]
在线阅读
下载PDF
职称材料
题名
基于粉煤灰和Fe_(3)O_(4)的磁捕剂制备及其吸附性能
2
作者
陈龙飞
陈广洲
黄青
机构
安徽建筑大学环境与能源工程
学院
中国科学院合肥物质研究院智能机械研究所
中国科
学技术大学
科学
岛
研究
生分院
出处
《安徽大学学报（自然科学版）》
CAS
北大核心
2022年第1期47-53,共7页
基金
国家自然科学基金资助项目(11775272,11635013)
安徽省重点研究与开发计划项目(202004i07020014)。
文摘
针对环境水体中藻和重金属污染的问题,将粉煤灰和Fe_(3)O_(4)配比混合,使用盐酸进行改性处理,制备磁捕剂,研究磁捕剂的吸附性能.研究结果表明:经5 mL的7%盐酸改性后的磁捕剂的除藻效果最佳,去除率最高,为99.49%;pH=4时,磁捕剂对藻的去除率最高,为99.7%;pH=6时,磁捕剂对Cr(Ⅵ)的去除率最高,为85.47%.研究结果为环境治理及资源循环利用提供了新的思路.
关键词
磁捕剂
铜绿微囊藻
混凝
Cr(Ⅵ)
吸附
Keywords
magnetic composite material
Microcystis aeruginosa
flocculation
Cr(Ⅵ)
adsorption
分类号
X522 [环境科学与工程—环境工程]
在线阅读
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
基于深度卷积神经网络的甲状腺超声图像良恶性结节识别方法研究
姚文君
殷超然
朱宏庆
江健敏
庞小溪
孙怡宁
《安徽医科大学学报》
CAS
北大核心
2023
2
在线阅读
下载PDF
职称材料
2
基于粉煤灰和Fe_(3)O_(4)的磁捕剂制备及其吸附性能
陈龙飞
陈广洲
黄青
《安徽大学学报（自然科学版）》
CAS
北大核心
2022
0
在线阅读
下载PDF
职称材料
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部
