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=(Generative adversarial network)
当前检索式
关键词=(Generative adversarial network)
展开
  • 排序
  • 筛选
1369条结果
资源类型收起
  • 1314
  • 55
年份展开
发布时间展开
医学文献类型聚类展开
  • 49
  • 13
  • 6
  • 5
  • 4
更多...
医学文献类型聚类
    加载更多选项
      中图分类展开
      20
      7
      6
      3
      2
      更多...
      中图分类
      加载更多选项
        关键词聚类展开
        • 455
        • 370
        • 196
        • 142
        • 62
        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
            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=(Generative adversarial network)
                当前检索式
                关键词=(Generative adversarial network)
                展开
                共1369条结果
                排序方式
                出版年份 相关度 被引次数 下载量
                清除 | 已选 0/200
                0

                【中文期刊】 张雅楠   张琳琳   等 《新疆大学学报(自然科学版)(中英文)》 2026年43卷1期 61-69页

                【摘要】 针对真实数据采集机制不完善致使数据缺失、现有方法对临床特征表示不足导致模型性能受限问题,本文提出一种用于心衰患者死亡率预测的数据多重插补方法(Self-attention and Generative adversarial network...

                【关键词】 死亡率预测多重插补(MI)自注意力机制

                浏览:5 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

                【中文期刊】 Hansong Xiang   Zilong Xu   等 《植物表型组学(英文)》 2025年7卷3期 117-127页SCIMEDLINECSCDBP

                【摘要】 3D phenotyping of the external and internal structures is important to breed new fruit species.As manual phenotyping is ...

                【关键词】 Citrus fruitFruit phenotypingX-ray CT

                浏览:3 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

                【中文期刊】 熊敏   康文杰   等 《医疗卫生装备》 2023年44卷12期 1-6页ISTICCA

                【摘要】 目的:提出一种基于深度卷积生成对抗网络(deep convolutional generative adversarial network,DCGAN)的大脑年龄预测方法,以客观评估大脑健康状态.方法:首先,将二维DCGAN扩展到三维DCG...

                【关键词】 脑年龄预测深度卷积生成对抗网络卷积神经网络

                浏览:5 被引:0 下载:2
                • 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

                【中文期刊】 胡晨曦   冯长锋   等 《中国脑血管病杂志》 2026年23卷3期 159-168页ISTICPKUCSCDCA

                【摘要】 目的 探讨基于Transformer生成对抗网络(TransGAN)模型生成的虚拟CT图像对自发性脑出血(sICH)后早期血肿的预测价值.方法 回顾性连续纳入2017年1月至2024年5月于杭州市第一人民医院放射科(中心1)和联勤保障部队第...

                【关键词】 脑出血深度学习生成对抗网络

                浏览:5 被引:0 下载:6
                • 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

                【中文期刊】 李乘飞   李仕一   等 《中国美容整形外科杂志》 2026年37卷2期 100-106,后插6页ISTICCA

                【摘要】 目的 构建基于条件生成对抗网络的微等离子射频(micro-plasma radiofrequency,MPR)治疗病理性瘢痕外观结局模拟模型,实现由单张治疗前临床图片生成治疗后外观预测图像,为治疗前沟通与个体化决策提供可视化参考.方法 回顾...

                【关键词】 病理性瘢痕微等离子射频生成对抗网络

                浏览:7 被引:0 下载:5
                • 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

                【中文期刊】 李好   杨智慧   等 《中国数字医学》 2026年21卷4期 24-32页ISTIC

                【摘要】 脑肿瘤的早期诊断和精准治疗对患者生存率和生活质量有着至关重要的影响.磁共振成像(MRI)作为核心医学影像技术,在脑肿瘤的诊断与治疗规划中具有重要作用.然而,单一模态的医学影像往往难以提供足够的信息,而多模态影像的获取又面临着成本高、耗时长等...

                【关键词】 生成对抗网络脑肿瘤核磁共振图像

                浏览:0 被引:0 下载:6
                • 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

                【中文期刊】 李好   杨智慧   等 《中国医学物理学杂志》 2026年43卷1期 65-75页ISTICCSCD

                【摘要】 目的:规避脑肿瘤MRI成像过程中存在的时间成本高、伪影多和模态获取不全等问题,研究一种高质量的跨模态脑肿瘤MRI图像生成方法.方法:提出一种融合注意力机制与边缘感知的配准生成对抗网络(AE-RegGAN),对T1模态到T2模态图像的跨模态合...

                【关键词】 生成对抗网络脑肿瘤MRI图像生成注意力机制

                浏览:3 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

                【中文期刊】 邢雄飞   樊星佳   等 《中国医学物理学杂志》 2026年43卷1期 52-59页ISTICCSCD

                【摘要】 为提升细胞荧光显微图像的分辨率和重建质量,提出一种基于生成对抗网络的超分辨重建方法.该模型融合卷积与多头自注意力机制,实现多尺度特征建模与融合.通过联合内容损失、感知损失、对抗损失和总变分损失,提升训练稳定性与重建性能.在4种不同细胞亚结构...

                【关键词】 细胞荧光显微图像超分辨重建生成对抗网络

                浏览:5 被引:0 下载:1
                • 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

                【中文期刊】 张有健   周冠群   等 《医学信息学杂志》 2026年47卷2期 1-10页ISTICCA

                【摘要】 目的/意义 系统梳理生成式模型在医疗影像分析领域的研究现状、前沿进展与核心挑战,为相关研究提供参考.方法/过程 采用文献综述法,系统阐述以生成对抗网络、变分自编码器和扩散模型为代表的主流生成式模型的基本原理、技术演进及优缺点.从跨模态影像合...

                【关键词】 医疗影像分析生成对抗网络变分自编码器

                浏览:2 被引:0 下载:4
                • 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

                【中文期刊】 李惠莲   林艺榕   等 《临床超声医学杂志》 2026年28卷2期 164-169页ISTICCSCD

                【摘要】 胎儿颅脑超声检查是产前常规筛查中至关重要的一环,准确识别标准切面对于评估胎儿大脑发育状况具有重要意义.然而,由于超声图像质量差异和切面获取的复杂性,准确识别标准切面具有较大的挑战性.本文提出了一种基于条件对抗生成网络(CGAN)和Visio...

                【关键词】 条件生成对抗网络Vision Transformer颅脑超声,胎儿

                浏览:3 被引:0 下载:1
                • 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
                • / 137
                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