检索历史 清除

【中文期刊】 汪忠 李军  等 《临床神经外科杂志》 2021年18卷1期 21-24,30页 ISTIC

【摘要】 目的 探讨基于改进LeNet-5模型的WHO 11/Ⅲ级脑胶质瘤影像自动分级的临床应用价值.方法 收集经手术病理证实的98例WHO Ⅱ级和Ⅲ级胶质瘤患者的MRI资料;按照就诊时间顺序将前67例患者作为训练集,后31例患者作为测试集.首先,用...

【关键词】 卷积神经网络； 磁共振图像； 脑胶质瘤；

【中文期刊】 方谦昊 朱红  等 《南京师大学报（自然科学版）》 2018年41卷3期 22-27页

【摘要】 脑膜瘤是颅内常见第二大肿瘤.脑膜瘤的术前分级有助于临床制定治疗方案和评估预后.本文对卷积神经网络LeNet-5模型从softmax层、网络结构、迭代下降速率、epoch几个方面进行改进,用于对脑膜瘤亚型影像的自动分级.该模型不需要对病变组织...

【关键词】 脑膜瘤； 卷积神经网络； LeNet-5；

【中文期刊】 王晓锋 马钟  《现代电子技术》 2016年39卷13期 63-66,71页

【摘要】 针对货运列车车号字符识别，提出了基于卷积神经网络LeNet?5的改进识别方法，考虑到卷积神经网络的层次化以及局部领域等结构特点，对网络中各层特征图的数量及大小等参数进行相应的改进，形成了适用于货运车号识别的新网络模型。实验结果表明，该方法对...

【关键词】 列车车号； 车号识别； 卷积神经网络；

【中文期刊】 Sen Tian Jin Zhang  等 《仿生工程学报（英文版）》 2022年19卷1期 224-239页 SCIMEDLINEISTICCSCD

【摘要】 With the continuous deepening of Artificial Neural Network(ANN)research,ANN model structure and function are improv-ing ...

【关键词】 Artificial neural network(ANN)； Back Propagation(BP)network； Deep Belief Network(DBN)；

【中文期刊】 张可新 曲洪权  等 《科学技术与工程》 2024年24卷28期 12055-12064页

【摘要】 脑力负荷识别对提高人机交互操作人员的工作绩效具有重要意义.目前已有研究表明,通过提取脑电(electroen-cephalogram,EEG)信号的能量特征进行脑力负荷识别取得了不错的分类效果.但该方法只关注到信号的幅度信息,而忽略了相位信...

【关键词】 脑力负荷； 脑电(EEG)； 加权相位滞后指数(WPLI)；

【中文期刊】 雷伟 李智伟  等 《安徽医科大学学报》 2023年58卷7期 1189-1193页 ISTICPKUCA

【摘要】 目的 建立卷积神经网络(CNN)模型对流式细胞术(FCM)数据进行自动分析,实现急性髓系白血病(AML)的初步诊断,探究将CNN模型应用于FCM数据分析中的可行性.方法 以FlowRepository数据库和新疆维吾尔自治区人民医院临床检测...

【关键词】 流式细胞术； 急性髓系白血病； 卷积神经网络；

【学位论文】 作者： 任孟丽 导师：刘常春  山东大学  生物医学工程 生物医学工程（硕士） 2022年

【摘要】 近年来，心血管疾病已经成为人类健康的重大威胁。缺血性心血管病(如冠心病、急性心肌梗死等)更为常见，其发病率和死亡率也呈明显的逐年上升趋势。心血管病患病时间长，需长期治疗，且一旦发展为急性冠脉综合征，就必须入院治疗，而心电图ST段特征是心肌梗...

【关键词】 缺血性心血管病； LeNet-5模型；

【中文期刊】 王玲玲 莫宗伟  《中国新通信》 2022年24卷24期 129-131页

【摘要】 随着近年来信息技术的飞速发展,卷积神经网络广泛应用在医学领域,基于卷积神经网络对于肝包虫病的诊断提出了创新思路,选择两种肝包虫病CT图像进行预处理,利用LeNet-5模型为基础提出模型CTLeNet,通过正则化策略减少过拟合,对二分类肝包虫...

【关键词】 卷积神经网络； CT； 诊断；

【外文期刊】 Zhang, Q. ; Hu, J. X. ; 等 2020年82卷5期 108-114页 SCIEMEDLINE

【关键词】 Hyperthyroidism; LeNet-5 network model; face recognition;

【外文期刊】 Yamarthi Narasimha,Rao ; Kunda,Suresh Babu ; 《Sensors (Basel, Switzerland)》 2023年23卷1期 SCIMEDLINE

【关键词】 LSTM; LeNet 5; attacks;