换一批- 最近
- 已收藏
- 排序
- 筛选
- 109
- 7
- 3
- 1
- 1
- 27
- 26
- 16
- 12
- 9
- 中文期刊
- 刊名
- 作者
- 作者单位
- 收录源
- 栏目名称
- 语种
- 医学主题词
- 出版状态
- 外文期刊
- 文献类型
- 刊名
- 作者
- 医学主题词
- 收录源
- 语种
- 学位论文
- 授予学位
- 授予单位
- 会议论文
- 主办单位
- 专 利
- 专利分类
- 专利类型
- 国家/组织
- 法律状态
- 申请/专利权人
- 发明/设计人
- 成 果
- 鉴定年份
- 学科分类
- 地域
- 完成单位
- 标 准
- 强制性标准
- 中标分类
- 标准类型
- 标准状态
- 来源数据库
- 法 规
- 法规分类
- 内容分类
- 效力级别
- 时效性
【中文期刊】 邓威 刘轩吉 等 《中华中医药学刊》 2025年43卷8期 13-17,后插3-后插6页ISTICPKUCSCDCA
【摘要】 传统单周期脉象识别面临形态复杂、周期异变和个体差异等挑战,限制了其在实际应用中的有效性.本研究专注于解决多周期脉象识别分类问题,通过马尔可夫转移场融合脉象信号的幅值与时序信息,构建了新的图像数据集.基于此,提出了一种新的网络模型——对于卷积...
- 概要：
- 方法：
- 结论：
【中文期刊】 孙鸽 林卫红 等 《中国生物医学工程学报》 2025年44卷1期 124-128页ISTICPKUCSCDCA
【摘要】 脑电图(EEG)已经成为神经科学领域的重要工具,基于人工智能的脑电图分析在脑神经疾病、运动想象和情绪识别方面有广泛应用.然而,EEG的应用受到低信噪比的限制,特别是癫痫诊断中肌电(EMG)伪影降低了异常放电特征波形的识别准确率,且现有算法难...
- 概要：
- 方法：
- 结论：
【中文期刊】 刘翼奇 辛国江 等 《生物医学工程研究》 2025年44卷6期 371-378页ISTIC
【摘要】 为解决胰腺图像分割中边界模糊、精度低的问题,本研究提出了一种胰腺分割网络MSW-HRNet.首先,结合深度可分离卷积与空间注意力机制,设计多尺度特征信息融合模块(MUB),恢复多尺度上采样过程中的细节信息,增强对小尺寸目标区域的分割能力;然...
- 概要：
- 方法：
- 结论：
【中文期刊】 唐大洋 胡德斌 等 《中国医学物理学杂志》 2025年42卷2期 160-166页ISTICCSCD
【摘要】 目的:提出一种基于三维深度分离网络方法用于18F-FDG和18F-FAPI PET双示踪剂混合图像分离成像.方法:收集120例同一患者在不同时间单独扫描的18F-FDG和18F-FAPI PET图像,本研究采用模拟的形式生成PET双示踪剂混...
- 概要：
- 方法：
- 结论：
【中文期刊】 李众 王雅婧 等 《计算机应用》 2023年43卷9期 2940-2947页
【摘要】 为解决现有医学图像超分辨率重建中存在的图像细节模糊、全局信息利用不充分等问题,提出一种基于空洞卷积与改进的混合注意力机制的医学图像超分辨率重建算法.首先,将深度可分离卷积与空洞卷积相结合,使用不同大小的感受野对图像进行不同尺度的特征提取,从...
- 概要：
- 方法：
- 结论：
【中文期刊】 金毅东 王孟飞 等 《生物医学工程学杂志》 2024年41卷3期 535-543页MEDLINEISTICPKUCA
【摘要】 磁共振成像(MRI)在缺血性脑卒中的诊断中扮演着重要的角色,准确分割梗死病灶对于介入治疗方法的选择以及评估患者预后效果有着重要的意义.针对现有分割方法对于多尺度脑卒中梗死病灶分割精度较差的问题,本文提出了一种新型的基于深度可分离卷积的编码器...
- 概要：
- 方法：
- 结论：
- 概要：
- 方法：
- 结论：
【外文期刊】 Asif S. ; Zhao M. ; 等 《Biomedical signal processing and control》 2024年90卷Apr.期 1.1-1.17页
【关键词】 Block-wise fine-tuning;Deep learning;Depth-wise separable convolution;
- 概要：
- 方法：
- 结论：
【外文期刊】 Tripathi, Sumit ; Sharma, Neeraj ; 2022年30卷1期 145-160页
【关键词】 Deep learning;image denoising;depthwise separable convolution;
- 概要：
- 方法：
- 结论：
【外文期刊】 Xian, Yang ; Sun, Yang ; 等 《Neural Networks: The Official Journal of the International Neural Network Society》 2021年143卷 97-107页SCISCIEMEDLINE
- 概要：
- 方法：
- 结论：
【外文期刊】 Zhang, Jianxin ; Lv, Xiaogang ; 等 《Current Medical Imaging.》 2020年16卷6期 720-728页
- 概要：
- 方法：
- 结论：
【外文期刊】 Kuang, Dongyang ; Michoski, Craig ; 2021年18卷1期 SCISCIEMEDLINE
【关键词】 brain&;8211;computer interface (BCI);
- 概要：
- 方法：
- 结论：
【外文期刊】 Worapan,Kusakunniran ; Punyanuch,Borwarnginn ; 等 《Medical and Biological Engineering and Computing: Journal of the International Federation for Medical and Biological Engineering》 2023年61卷5期 1193-1207页SCISCIEMEDLINE
- 概要：
- 方法：
- 结论：
【外文期刊】 Pan, Xiaoxi ; Phan, Trong-Le ; 等 《IEEE Transactions on Medical Imaging》 2021年40卷1期 81-92页
【关键词】 Three-dimensional displays;Feature extraction;Positron emission tomography;
- 概要：
- 方法：
- 结论：
【外文期刊】 Yanfang,Dong ; Miao,Zhang ; 等 《Micromachines》 2023年14卷6期
【关键词】 ECG signal;arrhythmia;deep learning;
- 概要：
- 方法：
- 结论：
【外文期刊】 Adithiya,S V ; Dharani Bai,G ; 等 《Current eye research》 2024年49卷5期 513-523页SCIMEDLINE
【关键词】 Retinal imaging biomarkers;deep learning;dilated depthwise separable convolution;
- 概要：
- 方法：
- 结论：
【外文期刊】 Ping,Yu ; Baoshu,Zong ; 等 《Scientific reports》 2025年15卷1期 29818页
【关键词】 Artificial Intelligence(AI);Depthwise separable convolution (DSC);Lightweight model;
- 概要：
- 方法：
- 结论：
【外文期刊】 Yong,Li ; Bosheng,Hu ; 等 《Scientific reports》 2025年15卷1期 34327页
【关键词】 Depthwise separable convolution;Lightweight model;Skin segmentation;
- 概要：
- 方法：
- 结论：
【外文期刊】 Shenghua,Xu ; Zhuolu,Wang ; 等 《Scientific reports》 2025年15卷1期 12552页
【关键词】 Deep spatial feature;Dense residual network;Depthwise separable convolution;
- 概要：
- 方法：
- 结论：
【外文期刊】 Yu,Jiang ; Jiasen,Zhao ; 等 《Sensors (Basel, Switzerland)》 2025年25卷13期 SCIMEDLINECA
【关键词】 depthwise separable convolution;gradient operator;graph convolution;
- 概要：
- 方法：
- 结论：
【外文期刊】 Wenbin,Sun ; Zhilong,Xu ; 等 《Frontiers in plant science》 2024年15卷 1491593页
【关键词】 attention mechanism;deep learning;deep separable convolution;
- 概要：
- 方法：
- 结论：
【外文期刊】 Gao,Ang ; Ren,Han ; 等 《Frontiers in plant science》 2023年14卷 1246065页
【关键词】 apple leaf disease;deep learning;deep separable convolution;
- 概要：
- 方法：
- 结论：
【外文期刊】 Yinsheng,Zhang ; Xudong,Yang ; 等 《Current research in food science》 2024年8卷 100733页
【关键词】 Convolutional neural network;Depthwise separable convolution;Fruit freshness;
- 概要：
- 方法：
- 结论：
【外文期刊】 Hua,Huo ; YaLi,Yu ; 等 《Multimedia tools and applications》 2023年82卷12期 18635-18652页SCIMEDLINE
【关键词】 Canny edge detection;Depthwise separable convolution;Expression recognition;
- 概要：
- 方法：
- 结论：
【外文期刊】 Jun,Gong ; Senlin,Luo ; 等 《Sensors (Basel, Switzerland)》 2023年23卷15期 SCIMEDLINE
【关键词】 encoder-decoder network;image inpainting;image processing;
- 概要：
- 方法：
- 结论：
【外文期刊】 Tanmoy,Paul ; Omiya,Hassan ; 等 《Diagnostics (Basel, Switzerland)》 2024年14卷22期
【关键词】 apnea;depth-wise separable convolution;energy efficient AI;
- 概要：
- 方法：
- 结论：
【外文期刊】 Ruixuan,Yu ; Jian,Sun ; 《Sensors (Basel, Switzerland)》 2021年21卷12期 SCIMEDLINE
- 概要：
- 方法：
- 结论：
【外文期刊】 Yonglin,Wu ; Dongxu,Gao ; 等 《Biomimetics (Basel, Switzerland)》 2023年8卷5期
【关键词】 EIOU;PAN;Swin Transformer;
- 概要：
- 方法：
- 结论：
【外文期刊】 Mingxin,Song ; Rensheng,Zhu ; 等 《Frontiers in neuroscience》 2023年17卷 1135986页SCIMEDLINEBP
【关键词】 attention mechanism;channel status information;depthwise separable convolution;
- 概要：
- 方法：
- 结论：
【外文期刊】 Qian,Li ; Jiangbo,Ning ; 等 《Computers in biology and medicine》 2021年137卷 104837页SCIMEDLINEBP
【关键词】 COVID-19 diagnosis;CT scan;Convolution block attention module;
- 概要：
- 方法：
- 结论：
加载中...
