排序方式: 共有5条查询结果,搜索用时 0 毫秒
1
1.
阿尔茨海默病是一种常见的神经退行性疾病,可依据神经影像学进行临床诊断。深度学习能够挖掘患者影像资料中隐含的丰富信息并完成不同阶段的病程分类,是目前计算机辅助诊断领域的研究热点。介绍阿尔茨海默病神经影像学数据集,总结经典深度学习网络模型在阿尔茨海默病分类诊断中的应用以及深度学习模型可解释性,重点对卷积神经网络与融合多网络的分类诊断方法进行梳理分析,对不同的思路和方法综合对比,讨论深度学习在阿尔茨海默病辅助诊断领域面临的挑战与未来研究方向,对提高阿尔茨海默病的临床诊断效率与早期预测准确性具有重要意义。 相似文献
2.
3.
分析药用植物学实训的难点以及局限性,调查研究中医药院校师生及中医药爱好者对实训的建议,结合虚拟现实技术,使用Unity3D模拟再现真实的药用植物实训场景.实现跨时空学习中药的性味归经、功效主治、配伍禁忌等,认识中药的植物学特征,了解道地药材的生长环境,辨别道地药材及鉴别其特征,采摘中药全株或入药部位.为增强学习的趣味性,加入四季变化,昼夜交替及不同天气等元素,优化环境.另外不同环境可发布任务,以游戏的形式完成任务获得奖励.将虚拟现实应用到实际教学培训中,提高学习效率,增加专业知识,培养自救能力,有效锻炼使用者的安全意识,减少安全事故的发生. 相似文献
5.
肺癌位居癌症死亡率首位,对其进行早期诊断和治疗可降低肺癌患者的死亡率。深度学习能够自动提取结节特征,并完成肺结节的良恶性及恶性等级分类,因此深度学习方法成为肺癌早期诊断的重要手段。对常用数据集进行介绍,系统阐述了栈式去噪自编码器(SDAE)、深度置信网络(DBN)、生成对抗网络(GAN)、卷积神经网络(CNN)、循环神经网络(RNN)和迁移学习技术在肺结节良恶性分类中的应用,阐述了深度卷积生成对抗网络(DCGAN)、多尺度卷积神经网络(MCNN)、U型网络(U-Net)和集成学习技术在肺结节恶性等级分类中的应用,针对肺结节分类的深度学习方法进行了综合分析,并对未来研究方向进行展望。 相似文献
1