换一批- 最近
- 已收藏
- 排序
- 筛选
- 28
- 12
- 21
- 7
- 1
- 1
- 26
- 9
- 8
- 7
- 6
- 中文期刊
- 刊名
- 作者
- 作者单位
- 收录源
- 栏目名称
- 语种
- 主题词
- 外文期刊
- 文献类型
- 刊名
- 作者
- 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】 马春洁 《数字通信世界》 2025年2期 246-249页
【摘要】 乳腺癌作为全球女性健康的主要威胁之一,其早期诊断对于提高治愈率至关重要.随着大数据和深度学习技术的发展,基于机器学习的计算机辅助诊断系统在乳腺病理图像的分类和诊断中显示出巨大潜力.本文综合分析了当前文献中提出的三种主要研究方法:首先对病理图...
- 概要：
- 方法：
- 结论：
【中文期刊】 徐坤财 张宁 等 《医疗卫生装备》 2024年45卷12期 1-8页ISTICCA
【摘要】 目的:为了提高乳腺癌病理图像分类准确率,提出一种基于卷积神经网络(convolutional neural networks,CNN)和Transformer的两阶段乳腺癌病理图像分类方法.方法:首先,采用Macenko归一化和颜色反卷积对...
【关键词】 CNN；Transformer；乳腺癌；
- 概要：
- 方法：
- 结论：
【中文期刊】 刘世博 范明 等 《杭州电子科技大学学报》 2024年44卷9期 57-64页
【摘要】 乳腺组织活检的病理分析具有重要的临床应用价值.针对人工提取特征分类算法存在的耗时耗力、提取特征不完整等问题,此研究结合深度学习,提出了一种基于多阶段迁移和注意力机制的模型融合方法,对乳腺病理图像进行良恶性分类.为加快训练收敛速度及使用不同病...
- 概要：
- 方法：
- 结论：
【中文期刊】 胡天寒 吴敏 等 《韶关学院学报》 2023年44卷3期 20-27页
【摘要】 针对乳腺癌组织病理学图像分类准确度较低的问题,结合卷积神经网络DenseNet和SENet的优点,提出SE-DenseNet网络结构用于乳腺癌组织病理学图像分类.该方法可在特征提取过程中实现对特征信息的重新标定,有效缓解梯度消失问题.结果表...
- 概要：
- 方法：
- 结论：
【中文期刊】 王永军 黄芳琳 等 《中国生物医学工程学报》 2020年39卷5期 532-540页ISTICPKUCSCDCA
【摘要】 乳腺癌是全球女性癌症死亡的主要原因之一.现有诊断方法主要是医生通过乳腺癌观察组织病理学图像进行判断,不仅费时费力,而且依赖医生的专业知识和经验,使得诊断效率无法令人满意.针对以上问题,设计基于组织学图像的深度学习框架,以提高乳腺癌诊断准确性...
- 概要：
- 方法：
- 结论：
【中文期刊】 张喜科 马志庆 等 《计算机科学》 2022年49卷z2期 350-358页
【摘要】 乳腺癌组织病理学检查是确诊乳腺癌的"金标准".基于卷积神经网络的乳腺癌组织病理学图像分类已经成为医学图像处理与分析领域的研究热点之一.自动且精确的乳腺癌组织病理学图像分类在临床上具有重要的应用价值.首先介绍了两个目前广泛应用于乳腺癌组织病理...
- 概要：
- 方法：
- 结论：
【中文期刊】 汪琳琳 施俊 等 《北京生物医学工程》 2021年40卷2期 130-138页ISTIC
【摘要】 目的 乳腺癌的精确诊断对于后续治疗具有重要临床意义,组织病理学分析是肿瘤诊断的金标准.卷积神经网络(convolution neural network,CNN)具有良好的局部特征提取能力,但无法有效捕捉细胞组织间的空间关系.为了有效利用这...
- 概要：
- 方法：
- 结论：
【中文期刊】 明涛 王丹 等 《浙江大学学报（工学版）》 2020年54卷7期 1289-1297页
【摘要】 针对乳腺癌病理图像的自动分类问题,提出基于深度学习的分类算法.通道重校准模型是作用于特征通道的注意力模型,可以利用学习到的通道权重对无用特征进行抑制来实现对特征通道的重校准,以达到更高的分类准确率.为了使通道重校准的结果更加准确,提出多尺度...
- 概要：
- 方法：
- 结论：
【中文期刊】 何雪英 韩忠义 等 《计算机工程与应用》 2018年54卷12期 121-125页
【摘要】 乳腺癌病理图像的自动分类具有重要的临床应用价值.基于人工提取特征的分类算法,存在需要专业领域知识、耗时费力、提取高质量特征困难等问题.为此,采用一种改进的深度卷积神经网络模型,实现了乳腺癌病理图像的自动分类;同时,利用数据增强和迁移学习方法...
- 概要：
- 方法：
- 结论：
【中文期刊】 夏田田 王路 等 《中南民族大学学报（自然科学版）》 2025年44卷5期 703-711页
【摘要】 依据乳腺组织病理学检查对肿瘤类型进行分类被视为临床乳腺癌诊断的黄金标准,受病理图像复杂性和多样性影响,人工分类诊断效率低,诊断结果还会受医生主观性影响.因此为了提高乳腺组织病理图像的分类准确率,服务临床乳腺病理分类诊断的应用需求,提出了一种...
- 概要：
- 方法：
- 结论：
加载中...
