• 医学文献
  • 知识库
  • 评价分析
  • 全部
  • 中外期刊
  • 学位
  • 会议
  • 专利
  • 成果
  • 标准
  • 法规
  • 临床诊疗知识库
  • 中医药知识库
  • 机构
  • 作者
热搜词:
换一批
论文 期刊
取消
高级检索

检索历史 清除

医学文献 >>
  • 全部
  • 中外期刊
  • 学位
  • 会议
  • 专利
  • 成果
  • 标准
  • 法规
知识库 >>
  • 临床诊疗知识库
  • 中医药知识库
评价分析 >>
  • 机构
  • 作者
热搜词:
换一批
当前检索式: 关键词=(钼靶图像)
当前检索式
关键词=(钼靶图像)
展开
  • 排序
  • 筛选
344条结果
资源类型收起
  • 299
  • 35
  • 9
  • 1
中图分类展开
118
82
58
32
23
更多...
中图分类
加载更多选项
    年份展开
    关键词聚类展开
    • 85
    • 42
    • 41
    • 38
    • 19
    更多...
    关键词聚类
      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
        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
          加载更多选项
            定制检索筛选项
            当前检索式: 关键词=(钼靶图像)
            当前检索式
            关键词=(钼靶图像)
            展开
            共344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】 徐伟栋 刘伟  等 《中国生物医学工程学报》 2011年30卷4期 567-575页 ISTICPKUCSCDCA

            【摘要】 乳腺癌是威胁我国妇女身体健康最主要的恶性肿瘤之一,乳腺钼靶图像中肿块的自动检测是乳腺癌的计算机辅助诊断领域的研究热点.提出一种基于海岛冲刷模型的肿块检测新算法,通过模拟一个海水上涨并不断侵蚀大陆与海岛的迭代过程,逐步剥离乳房中的脂肪甚至腺体...

            【关键词】 乳腺图像肿块检测海岛冲刷模型

            浏览:339 被引:2 下载:0

            【中文期刊】 孙利 徐伟栋  等 《中国生物医学工程学报》 2011年30卷1期 46-54页 ISTICPKUCSCDCA

            【摘要】 乳腺肿块良恶性分类是计算机辅助诊断(CAD)的重要环节,如何提高分类的正确率和稳定性是分类研究的重点.本研究提出了4种基于双视角和多分类器信息融合的乳腺钼靶图像肿块分类模式.其中,模式1是单视角下的多分类器融合;模式2是分别先对每个分类器在...

            【关键词】 乳腺图像肿块双视角

            浏览:210 被引:7 下载:4

            【中文期刊】 孙泽宇 史晓林  等 《中国数字医学》 2019年14卷3期 62-65页 ISTIC

            【摘要】 乳腺钼靶X线摄影检查是乳腺癌的筛查与诊断的重要手段之一,临床上应用广泛.随着计算机技术的发展,通过计算机算法实现对乳腺钼靶图像的自动诊断可以有效缓解医疗压力,提高诊断精度.在此基础上,通过对乳腺钼靶图像的分析,提出了一种基于深度学习的乳腺钼...

            【关键词】 深度学习乳腺图像医学图像识别

            浏览:215 被引:8 下载:162

            【中文期刊】 林海燕  《中国现代医生》 2016年54卷31期 94-96,封3页

            【摘要】 目的 研究在进行乳腺钼靶X线检查过程中应用质量控制对拍摄图像的质量影响.方法 选取2014年5月~2015年5月在我院进行钼靶X线检查的200例患者作为对照组.选择2015年7月~2016年7月在我院进行钼靶X线检查的200例患者作为试验组...

            【关键词】 乳腺X线检查数字化质量控制

            浏览:100 被引:6 下载:69

            【中文期刊】 皇甫风华 张震岳  等 《医药前沿》 2012年02卷9期 144-145页

            【摘要】 目的 探讨在X 线钼靶图像中运用图像增强技术提高X 线图像的对比度,提高图像可读性的能力.方法 以MATLAB 为软件平台,运用灰度变换和直方图均衡化这两种图像增强方法,对乳腺X 线钼靶图像进行处理.结果 处理后的乳腺X 线钼靶增强图像显示...

            【关键词】 图像增强灰度变换乳腺

            浏览:174 被引:1 下载:12

            【中文期刊】 彭芳青 厉力华  等 《传感技术学报》 2010年23卷2期 153-157页

            【摘要】 钼靶摄影是目前使用最广泛的乳腺癌早期诊断技术,恶性肿块是钼靶图像中乳腺癌变的一种重要表现.本文提出了一种基于Multi-Agent(多智能体)的多分类器融合乳腺肿块分类方法.首先将单分类器的结果作为初状态输人到各Agent(智能体),接着通...

            【关键词】 乳腺图像肿块分类器融合

            浏览:3 被引:6 下载:0

            【中文期刊】 申文静 丛金玉  等 《生物医学工程研究》 2024年43卷1期 55-61页 ISTIC

            【摘要】 为提高对乳腺癌钼靶图像中病灶区域的识别精度,本研究设计了一种面向乳腺肿块和钙化区域分割的特征引导注意网络.首先,该网络通过特征提取模块学习乳腺组织的语义特征;其次,利用融合自校正注意力的解码模块,增强对病灶区域边缘信息的关注度,提高边界的清...

            【关键词】 乳腺癌图像图像分割

            浏览:27 被引:0 下载:3

            【中文期刊】 李婵婵 李立  等 《肿瘤学杂志》 2010年16卷3期 171-174页 ISTICCA

            【摘要】 [目的]探讨分形维参数及异质性参数对鉴别乳腺良恶性病变的诊断价值.[方法]对经病理证实的20例乳腺浸润性导管癌及20例乳腺纤维腺瘤的数字钼靶图像进行分析,对肿瘤边界的分形维参数Df和肿瘤内部的异质性参数H进行定量评估.[结果]乳腺浸润性导管...

            【关键词】 乳腺肿瘤乳腺图像分形维参数

            OA
            浏览:390 被引:4 下载:0

            【中文期刊】 邢献 刘莎  《影像研究与医学应用》 2024年8卷21期 191-193页

            【摘要】 目的:分析数字乳腺钼靶x线摄影技术(DM)规范化操作对图像质量的影响.方法:选取2022年1月—12月北京肿瘤医院行常规操作的DM患者100例设为A组,选取2023年1月—12月北京肿瘤医院行规范化操作的DM患者100例设为B组,对比两组图...

            【关键词】 数字乳腺X线摄影技术规范化操作图像质量

            浏览:3 被引:0 下载:2
            • / 35
            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