排序方式: 共有9条查询结果,搜索用时 18 毫秒
1
1.
2.
3.
鉴于GDI技术具有功能简单、使用复杂的不足,使用GDI+技术进行图形图像处理会取得更好的效果。着重介绍GDI+技术的特点及其新特色,并总结得出在Visual C++.NET开发环境下使用GDI+开发图像处理软件的步骤和相应的程序代码。 相似文献
4.
阎婷 《Canadian Metallurgical Quarterly》2011,(3)
电视新闻是以现代电子技术为传播手段,以画面、声音为传播符号,对最近或者正在发生的事件进行的实时报道. 相似文献
5.
第29届奥林匹克运动会在世人的一片赞誉声中圆满落幕,罗格主席称赞其为“一届真正的无与伦比的奥运会”,奥运技术保障工作也被定义为“最完美”的一届。奥运信息网络安全保障是技术保障工作的重中之重,北京奥运会真正兑现了信息网络安全问题“第一时间发现,第一时间解决”的承诺,实现了,点息网络安全领域的“平安奥运”。 相似文献
6.
微卫星是遍布于人类基因组中的短串重复序列,肿瘤组织的微卫星由于重复单位的插入或缺失而导致微卫星长度的改变的现象叫做微卫星不稳定性(Microsatellite Instability,MSI)。MSI型胃癌往往拥有独特的分子表型以及临床病理特征,且微卫星的不稳定性决定了胃癌患者对免疫疗法的反应是否良好,因此MSI状态的术前检测对于胃癌患者治疗方案的制定具有重要意义。传统的MSI检测方法需要进行免疫组化及基因分析,不仅需要增加额外的成本,而且在临床实践中难以推广至每一个患者。应用图像特征提取技术和机器学习算法对胃癌患者的高分辨组织病理图像进行定量分析,实现对胃癌患者MSI状态的预测。从TCGA数据库获取279例原始数据,经预处理和上采样后得到442个样本,从每例样本的组织病理图像中提取出445个定量图像特征,包括图像的一阶统计量,纹理特征以及小波特征。应用Lasso回归进行特征筛选并构造胃癌MSI状态的预测标签(Risk-score),并通过logistics分类模型对预测标签分类性能进行验证,进而结合每例患者的临床特征进行多变量分析,构建个性化的列线图进行MSI状态预测。实验结果显示,基于组织病理图像纹理特征的预测标签的预测性能AUC值为0.74,现有的基于组织病理图像纹理特征的MSI预测模型AUC值为0.73;基于全部样本,结合临床特征与Risk-score构建的MSI预测模型AUC值为0.802,而现有的结合临床特征和图像特征的MSI预测模型的AUC值仅为0.752,相较于现有方法,提出的MSI预测模型具有更优的预测性能,可以为胃癌患者的临床决策提供更有价值的参考信息。 相似文献
7.
胶质瘤是大脑和脊髓胶质细胞癌变所产生的、最常见的原发性颅脑肿瘤.从多模态MRI中对胶质瘤组织进行可靠的分割具有很重要的临床价值,但是由于脑胶质瘤本身及周边组织较为复杂以及浸润性导致的边界模糊等,导致对脑胶质瘤的自动分割有一定的难度.文中构建了使用融合损失函数的3D U-Net++网络来对脑胶质瘤的不同区域进行分割,该网络使用不同层级的U-Net模型进行密集嵌套连接,使用网络的4个分支的输出结果作为深度监督以更好地结合深层和浅层的特征进行分割,并结合了Dice损失函数和交叉熵损失函数作为融合损失函数来提升小区域的分割精度.在2019年多模态脑肿瘤分割挑战赛(BraTs)的公共数据集划分的独立测试集中,采用Dice系数、95%Hausdorff距离、平均交并比(mIoU)、查准率(PPV)指标对所提方法进行了评估.结果表明,全肿瘤区域、肿瘤核心区域和增强肿瘤区域的Dice系数分别为0.873,0.814,0.709;其95%Hausdorff距离分别为15.455,12.475,12.309;其mIoU分别为0.789,0.720,0.601;其PPV分别为0.898,0.846,0.735.与基础的3D U-Net以及带深度监督的3D U-Net相比,所提方法可以有效地利用多模态的深层和浅层的信息,有效利用了空间信息,同时使用了Dice系数和交叉熵的融合损失函数,从而有效提升了对肿瘤各区域的分割精度,尤其是对小面积的增强肿瘤区域的分割精度. 相似文献
8.
9.
引言建筑结构地震反应观测记录是抗震设计、震害评估、健康诊断、震后加固与重建、地震报警、烈度速报等多项相关研究的基础资料。随着网络技术飞速发展,建筑结构地震反应观测台阵朝着智能化、多功能化、精细化方向发展。例如,迪拜世贸中心结构整体安全监测系统和快速评估系统可通过台阵的实时监控获取建筑物在遭遇破坏性地震后的实际损失情况、健康状况,并提供可视化报道. 相似文献
1