医学文献 >>
  • 检索发现
  • 增强检索
知识库 >>
  • 临床诊疗知识库
  • 中医药知识库
评价分析 >>
  • 机构
  • 作者
默认
×
热搜词:
换一批
论文 期刊
取消
高级检索

检索历史 清除

当前检索式: 关键词=(deep learning algorithms)
当前检索式
关键词=(deep learning algorithms)
展开
  • 排序
  • 筛选
444条结果
资源类型收起
  • 433
  • 11
中图分类展开
1
1
年份展开
发布时间展开
关键词聚类展开
  • 139
  • 126
  • 53
  • 51
  • 49
更多...
关键词聚类
    加载更多选项
      医学文献类型聚类展开
      • 71
      • 12
      • 6
      • 4
      • 4
      更多...
      医学文献类型聚类
        加载更多选项
          定制检索筛选项
          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
            加载更多选项
              定制检索筛选项
              当前检索式: 关键词=(deep learning algorithms)
              当前检索式
              关键词=(deep learning algorithms)
              展开
              共444条结果
              排序方式
              出版时间 相关度 被引次数 下载量
              清除 | 已选 0/200
              0

              【中文期刊】 周丽平  孙怡  等 《CT理论与应用研究》 2018年27卷2期 227-240页MEDLINEISTIC

              【摘要】 利用工业CT进行无损检测时,由于实际X射线源的宽能谱特性,目前现有的大部分重建算法得到的图像含有射束硬化伪影.射束硬化伪影降低了图像的质量,影响了CT图像应用,如CT图像诊断等.本文提出一种基于深度学习的减少硬化伪影的方法,用大量含有硬化伪...

              【关键词】 射束硬化计算机断层成像深度学习

              LinkOut
              浏览:164 被引:7 下载:0
              • 概要:
              • 方法:
              • 结论:
              收起
              AI内容生成中……
              以上内容由AI生成,结果仅供参考
              • 概要:
              • 方法:
              • 结论:
              收起
              AI内容生成中……
              以上内容由AI生成,结果仅供参考
              • 概要:
              • 方法:
              • 结论:
              收起
              AI内容生成中……
              以上内容由AI生成,结果仅供参考
              • 概要:
              • 方法:
              • 结论:
              收起
              AI内容生成中……
              以上内容由AI生成,结果仅供参考

              【外文期刊】 Ding, Lingling ; Liu, Chelsea ; 等 2020年51卷12期 E351-E354页SCISCIEMEDLINE

              【关键词】 algorithms;artificial intelligence;decision-making;

              原文传递
              浏览:0 被引:0 下载:0
              • 概要:
              • 方法:
              • 结论:
              收起
              AI内容生成中……
              以上内容由AI生成,结果仅供参考
              • 概要:
              • 方法:
              • 结论:
              收起
              AI内容生成中……
              以上内容由AI生成,结果仅供参考

              【外文期刊】 Chea, Pauley ; Mandell, Jacob C. ; 《Skeletal radiology》 2020年49卷2期 183-197页SCISCIEMEDLINE

              【关键词】 Musculoskeletal;Radiology;Deep learning;

              原文传递
              浏览:0 被引:0 下载:0
              • 概要:
              • 方法:
              • 结论:
              收起
              AI内容生成中……
              以上内容由AI生成,结果仅供参考
              • 概要:
              • 方法:
              • 结论:
              收起
              AI内容生成中……
              以上内容由AI生成,结果仅供参考

              【外文期刊】 Tran, Jason ; Sharma, Divya ; 等 2022年16卷3期 495-508页

              【关键词】 Artificial intelligence;Orthoptic liver transplant;Deep learning;

              原文传递
              浏览:0 被引:0 下载:0
              • 概要:
              • 方法:
              • 结论:
              收起
              AI内容生成中……
              以上内容由AI生成,结果仅供参考

              【外文期刊】 Goto, Makoto ; Nagayama, Yasunori ; 等 《Academic radiology》 2023年30卷3期 431-440页

              【关键词】 CT;Lung;Deep-learning;

              原文传递
              浏览:0 被引:0 下载:0
              • 概要:
              • 方法:
              • 结论:
              收起
              AI内容生成中……
              以上内容由AI生成,结果仅供参考
              收起侧边栏
              显示侧边栏
              更多> - 相关医事流 -
              • 加载中...
              - 相关学者 -
              • 加载中...
              - 相关机构 -
              • 加载中...

              特别提示:本网站仅提供医学学术资源服务,不销售任何药品和器械,有关药品和器械的销售信息,请查阅其他网站。

              • 客服热线:4000-115-888 转3 (周一至周五:8:00至17:00)

              • |
              • 客服邮箱:yiyao@wanfangdata.com.cn

              • 违法和不良信息举报电话:4000-115-888,举报邮箱:problem@wanfangdata.com.cn,举报专区

              官方微信
              万方医学小程序
              new医文AI 翻译 充值 订阅 收藏 移动端

              官方微信

              万方医学小程序

              使用
              帮助
              Alternate Text
              调查问卷