期苏全健, 等 : 基于机器学习的机器人辅助椎弓根植钉规划 suitable for the location of pedicle screw implant. With this proposed method, surgeons only need to complete the final
|
|
|
- 灌核荣 齐
- 5 years ago
- Views:
Transcription
1 第 卷第 期 年 月 集成技术 JOURNAL OF INTEGRATION TECHNOLOGY Vol. No. May 基于机器学习的机器人辅助椎弓根植钉规划, 苏全健, 孙宇 齐晓志 ( 中国科学院深圳先进技术研究院深圳 ) ( 哈尔滨工业大学深圳研究生院深圳 ) 摘要为了解决脊柱手术机器人辅助实施椎弓根植钉过程中的图像辅助定位问题, 该文提出了一种基于机器学习策略的椎弓根植钉规划方法 该方法利用卷积神经网络对脊柱计算机断层扫描 (CT) 图像进行学习和训练, 通过建立神经网络模型确定网络内各层间的调整参数, 然后对样本图像进行特征提取并分类, 采用交叉验证法对样本数据进行训练, 验证卷积神经网络模型的正确性 通过机器学习方法对计算机断层扫描图像中适合做椎弓根植钉手术规划的图像区域进行识别, 从而快速定位到植钉安全约束区域, 并通过相应的图像处理方法实现植钉操作规划 医生只需要基于安全约束区域内的植钉规划完成最终的手术任务规划, 能够显著提升手术效率 关键词椎弓根植钉规划 ; 机器学习 ; 图像分类 ; 图像识别 ; 卷积神经网络 中图分类号 TG 文献标志码 A Planning of Robot-Assisted Pedicle Screws Insertion Based on Machine Learning SU Quanjian, SUN Yu, QI Xiaozhi ( Shenzhen Institutes of Advanced Technology, Chinese Academy of Sciences, Shenzhen, China ) ( Shenzhen Graduate School, Harbin Institutes of Technology, Shenzhen, China ) Abstract In the process of pedicle screw insertion surgery assisted by spinal surgery robot, the surgeon needs to spend a lot of time in searching and determining the location suitable for pedicle screw operation. In order to improve the operation efficiency, a rapid method based on machine learning was investigated to realize efficient planning of robot-assisted pedicle screw insertion. In the proposed method, the convolution neural network that commonly used in artificial intelligence research was introduced based on training set of spine computed tomography images. Firstly, the neural network model was set up to determine the adjustment parameters between layers in the network. Then the feature extraction and classification of sample image were carried out. The cross validation method was used to train sample data to verify the correctness of convolution neural network model. Finally, the method of machine learning was used to identify the computed tomography images of patients that 收稿日期 :-- 修回日期 :-- 基金项目 : 国家重点研发计划项目 (YFC); 国家自然科学基金联合基金项目 (U); 国家自然科学基金面上项目 (); 国家自然科学基金青年项目 (); 深圳市基础研究 ( 学科布局 ) 项目 (JCYJ JCYJ) 作者简介 : 苏全健, 硕士研究生, 研究方向为手术机器人导航技术 ; 孙宇, 博士研究生, 研究方向为脊柱手术机器人的动态补偿控制 ; 齐晓志 ( 通讯作者 ), 博士, 助理研究员, 研究方向为脊柱手术机器人关键技术, xz.qi@siat.ac.cn
2 期苏全健, 等 : 基于机器学习的机器人辅助椎弓根植钉规划 suitable for the location of pedicle screw implant. With this proposed method, surgeons only need to complete the final fine planning based on the area of safety constraint, and efficiency of operation can be improved distinctly. Keywords planning of pedicle screw insertion; machine learning; image classification; image identify; convolution neural network 引言椎弓根植钉手术一般用于治疗严重的胸腰椎骨折等造成的脊柱不稳定以及脊髓神经损伤等疾病 由于脊柱病变部位的结构复杂且含有神经组织, 手术一旦失败将会造成不可挽回的后果 目前主要通过开放式的椎弓根植钉手术将螺钉拧入椎体, 但由于可能存在横突缺失 过大 过小, 关节突增生 内聚或者在既往手术过程中已经被咬除等问题, 将会导致椎弓根螺钉的入点难以确定, 且开放式的手术不利于病人的愈合 据国外文献统计, 传统脊柱外科手术导致的各种并发症累积发生率达.% [], 而仅在胸椎等危险区域的神经硬膜损伤的发生率高达.% [] 随着社会发展和技术进步, 现代手术技术向微创和精准方向发展, 急需脊柱手术机器人技术来满足现代脊柱手术精准操作和安全控制的要求 目前本研究团队已成功开发脊柱手术机器人系统, 该系统能够辅助医生完成椎弓根植钉手术 [] 本文在微创脊柱手术机器人系统基础上, 提出基于机器学习的椎弓根辅助植钉规划方法, 在传统的规划方法上进一步优化, 大大减少了医生在手术规划上耗费的时间与工作量 在机器人辅助椎弓根植钉手术中, 医生进行椎弓根植钉规划时需要在手术导航软件的图像操作界面反复查看计算机断层扫描 (Computed Tomography,CT) 图像, 通过在脊柱椎体横断面 矢状面 冠状面视图中不断调整椎弓根植钉的位置来完成手术规划 在这个过程中, 医生需 要花费大量的时间在查找确定适合椎弓根植钉的位置上, 这不仅需要医生对导航软件非常熟悉, 而且增加了手术时间, 使医生的工作量增加, 不利于手术的顺利进行 随着机器学习在各个领域的应用发展, 将机器学习运用于医疗领域具有很大的发展潜力 [], 通过机器学习可以判断病变部位和病变种类等 [-] 将机器学习运用于医疗图像中进行相关病症的诊断能够起到很大的帮助, 如韩国首尔大学医学系从临床角度批判性地回顾了机器学习分类器在情绪障碍患者的脑部结构磁共振成像当中的应用 [] ; 美国德州大学达拉斯分校的研究人员研究了机器学习在计算癌症生物学中的应用 [] 目前, 国内将机器学习应用于医疗领域已经成为研究热点, 如南京大学研究了将机器学习运用于肺癌与正常图像分类 [] ; 上海交通大学也开展了将机器学习运用于立体脑图像的研究 [], 借助机器学习的方法获取脑部图像的相应特征, 从而提出能够提高立体脑部图像配准精度的新型配准框架 过往研究多将机器学习用于对软组织图像的分割, 而用于脊柱手术中的研究还未有报道 针对上述问题, 本文提出了一种快速的机器人辅助完成椎弓根植钉规划的方法 首先, 采用机器学习的方法对患者 CT 图像中适合做椎弓根植钉手术规划所在位置的图像进行识别, 达到快速定位到植钉安全约束区域的目的 然后, 在定位到的图像上完成植钉规划, 医生只需要在安全约束区域内的规划上完成最终的手术任务规划, 能够减少医生花费在手术规划上的时间和工作
3 集成技术 年 量 将机器学习应用于椎弓根植钉手术中, 能够更加快速地确定手术位置, 从而快速地辅助医生完成手术规划, 大大减少术前的准备时间, 提高手术效率 机器学习模型. 卷积神经网络目前比较常见的机器学习模型和方法主要有自动编码器 [] 限制波尔兹曼机 [] 深信度网络 [] 卷积神经网络(Convolutionnal Neural Networks,CNN) [] 其中,CNN 是有监督学习下的机器学习的模型之一, 具有非常强的适应性 该算法特别适用于挖掘数据的局部特征, 提取全局的训练特征并进行分类, 广泛应用于图像的识别和分类, 所以本文采用卷积神经网络进行脊柱 CT 图像的识别 CNN 本质上是多层的监督学习神经网络, 主要分为输入层 隐含层和输出层 其中, 隐含层中的卷积层和池化层是实现卷 积神经网络特征提取的核心模块 卷积神经网络的低层由卷积层和池化采样层交替组成, 逐层提取特征 ; 高层则由全连接层和逻辑回归分类器组成 第一个全连接层的输入是由低层的卷积层和子采样层对输入图像进行特征提取后得到的特征图像 最后一层的输出层是一个分类器, 在分类器之前通常采用逻辑回归,Softmax 回归甚至是支持向量机的激活函数对全连接层提取到的特征进行激活, 实现对输入图像进行分类. 卷积神经网络模型设计本文使用的卷积神经网络架构如图 所示 整个卷积神经网络共有 层, 主要分为输入层 隐含层和输出层 其中, 隐含层主要分为前 层卷积层和后 层全连接层.. 输入层输入层主要是输入带标签的样本图像, 样本图像将会作为整个卷积神经网络的输入以及最后一层全连接层的标签 样本图像通过整个网络的运算在到达最后一层时得到一个特征向量, 样本 输入层 图像 标签 卷积运算归一化运算激励运算卷积层 池化层 卷积运算归一化运算激励运算卷积层 池化层 卷积运算 激励运算 卷积层 卷积运算 激励运算 卷积层 卷积运算 激励运算 卷积层 池化层 全连接 激励运算 Dropout 全连接层 全连接 全连接 分类 测试精度 激励运算 Dropout Softmax 全连接层 全连接层 输出层 图 卷积神经网络架构 Fig. Convolutional neural network architecture
4 期苏全健, 等 : 基于机器学习的机器人辅助椎弓根植钉规划 该特征向量与标签进行对比计算损失函数, 进而反向调整各个层的参数 本文输入图像的尺寸为 像素.. 隐含层卷积层 和 是相似的运算, 包含了卷积运算 归一化运算和激励运算 卷积层后接池化层 和, 后 层卷积层是相似的运算, 包含卷积运算和激励运算 卷积层和池化层的作用是 : 一方面, 保留不变性, 这种不变性包括旋转 平移 尺寸等 ; 另一方面, 在保留特征的同时减少参数和计算量, 实现降维, 防止过拟合, 提高泛化能力 多层次的卷积和池化操作能够提高整个卷积神经网络的深度, 减少整个网络的参数 同时, 不同的卷积层和池化层能够提供不同的感受视野, 可以感受不同尺度的特征 多层次的隐含层中的某一个神经元由上一个网络层中的多个神经元乘以权值再加上偏置之后得到, 成为权值共享, 能够扩大局部视野 权值和偏置在学习过程中通过不断地反向迭代调整能够求得输出函数的最优解, 也就是实现最终的损失函数最小化 为了防止网络梯度的下降甚至消失, 在通过一定的卷积层后需要进行全连接和回归 隐含层 对图像的运算流程如图 所示 其他隐含层的图像运算相似, 只是卷积核大小不同 隐含层 中卷积运算使用 个卷积核, 卷积核大小为 像素, 卷积步长为 像素 卷积核和卷积步长较大能够使输出特征的尺寸较小, 有利于加快第一层卷积运算的速度 卷积与池化操作后输出特征图的大小可以由公式 () () 获得, 最终的输出特征图大小为 像素, 设定输出的特征图数量为 () () 其中,N h N w 为输出数据的长和宽 ;I h I w 为输入数据的长和宽 ;P h P w 为填充的长和宽 ; K h K w 为卷积核的长和宽 ;S h S w 为卷积步长的长和宽 卷积运算之后需要对数据进行归一化运算, 归一化运算的目的是 : 一方面, 避免在卷积神经网络学习的过程中, 由于下一步激活运算的输出较大而导致梯度变小的问题 因为在机器学习过程中, 梯度越小, 学习的速率越慢 如果前面的卷积层不进行归一化运算, 那么会造成整个卷积神经网络中, 浅层网络基本不学习, 而深层次网络一直在学习的情况 另一方面, 为了防止训练过程中因为数据分布的不同或者训练数据和测试数据分布不同, 而导致模型泛化能力下降的问题 为了适应激活函数, 归一化的范围需要相应 数据 卷积 输出特征图 : 卷积核大小 : 步长 : 数据尺寸 : 归一化 临近通道数 : 数据 数据尺寸 : 池化 卷积核大小 : 步长 : 数据 激励 relu 图 隐含层 的图像运算 Fig. Image operations of hidden layer
5 集成技术 年 的调整 因为下文中使用的激活函数是 ReLu, 所以归一化的范围是 ~ 归一化过程为, 首先通过公式 () () 计算输入特征图的数据均值和方差, 然后根据公式 () 对数据进行标准化 () () () 其中, 为输入的数据集 ; 为输入数据集的均值 ; 为输入数据集的方差 ; 为归一化后的数据 为了在正向传播过程中不改变当前的输出, 假设训练参数和, 使得特征图的输出不变, 只记录下训练参数, 如公式 () 所示 () 归一化运算后需要对得到的特征图进行激活运算即做非线性运算, 使用激活函数添加非线性单元, 可以降低学习过程中的网络过拟合现象 常用的激励函数有 Sigmoid Tanh( 双曲正切函数 ) ReLu(Rectified Linear Units) ELU( 指数线性单元 ) 本文采用 ReLu 函数, 如图 所示, 通过将数据进行 ~ 的归一化处理, 避免出现 ReLu 函数在 x 值小于 时梯度为 的情况.. 输出层最后一层分类层即输出层, 按照训练样本的分类种类将学习网络学习得到的特征转化成特征向量 由于本文将样本种类分为 类, 所以输出层得到的特征向量为 维, 每一维揭示了样本图片属于该类别的概率大小 在输出层之前添加最后一层全连接层并进行 Softmax 激活操作得到最终的特征向量, 即全连接层 通过将前面神经网络学习得到的特征图 ( 文中 个特征图 ) 进行卷积操作, 得到最后的 维特征向量 该层的最后是分类函数 其中, 分类函数主要用于计算测试精度和来衡量整个卷积神经网络的准确性 输出层的网络示意图如图 所示 全连接层 全连接层 Softmax ReLu 函数 :y=max(, x) y x 图 ReLu 激励函数 Fig. ReLu excitation function 图 输出层网络示意图 Fig. Output layer network diagram. 损失函数计算及反向传播算法参数调整.. 损失函数的计算本文卷积神经网络解决的是 个类别的分类问题, 所以最后的输出层应该有 个神经元 样本真实类别对应的神经元输出是一个接近于 的概率值, 而非样本真实类别的神经元输出的概率值应该接近于, 个类别的概率值的和等于
6 期苏全健, 等 : 基于机器学习的机器人辅助椎弓根植钉规划 本文卷积神经网络的最后一层全连接层采用的激活函数是 Softmax, 定义如公式 () 所示 () 其中,n L 为 L 层即输出层神经元的个数 ; 为第 i 个神经元的值 ; 为第 i 个神经元激活后的值 经过激活运算后, 保证了输出的值在 (,), 而作为激活函数的归一化因子, 保证了最终所有输出神经元的和为 针对 Softmax 激活函数, 本文选用对数似然函数作为损失函数, 定义如公式 () 所示 () 其中,W b 分别为卷积运算中的权值和偏置 ; y k 表示理论输出与实际输出是否一致 假设训练样本的实际输出为第 i 类, 则 y k 的取值如公式 () 所示 () 公式 () 可以转化为公式 (), 其中,i 为训练样本的实际类别 ().. 反向传播算法参数调整利用反向传播算法来调整权值和偏置是卷积神经网络在学习过程中能够得到最优解的关键步骤 通过前向传播得到的损失函数采用一定的优化方法, 反向逐层迭代求取损失函数关于每层的权值和偏置的微分, 然后进行更新, 经过多次迭代使得最终的损失函数最小化即实现输出函数最优化 由损失函数反向传递时, 首先需要求取关于权值 W 和偏置 b 的梯度表达式 W 的梯度计算如公式 () 所示 () 其中, 因为第 L 层的第 i 个神经元的值为 : () 所以, 最终损失函数关于 W 的梯度为 : () 同样可以得到关于偏置 b 的梯度计算如公式 () 所示 () 根据得到的权值和偏置的梯度, 引入学习率, 即可在梯度的方向上对权值 W 和偏置 b 进行修正, 修正后的表达式如公式 () () 所示 () () 脊柱骨 CT 图像样本分类. 样本分类标准机器学习分为有监督学习和无监督学习 其中, 有监督学习是通过已有的训练样本去训练得到最优模型 本文采用的是有监督学习, 所以需要对样本进行分类 对于脊柱骨 CT 图像来说, 横断面是非常适合用于判断是否适合椎弓根植钉的断层面, 在横断面上可以快速定位椎弓根植钉的安全约束区域, 且横断面的特征较为明显, 适合用于样本图像的分类 为了使最终分类样本中类与类之间有明显的不同特征以及获得期望得到的分类, 采取以下分类标准 如图 所示, 把脊柱部位横断面图像的特征均分为 个区域, 每个区域包含一个特征, 样本的分类将会按照是否包含 个特征或 个特征中的几个特征组合进行分类 其中, 样本特征中的特征 特征 特征 是样本分类中的精标准特征 本文把包含精标准特征和其他特征的图像
7 样本 样本 样本 特征 特征 特征 特征 特征 特征 特征 特征 特征 样本 集 成 技 术 样本 年 样本 样本 理 常用的降噪处理方式有均值滤波 中值滤波 样本 所示 分别为采用均值滤波和中值滤 样本等 如图 波对有噪声图像进行降噪处理的结果 样本 样本 样本 样本 样本 图 Fig. (a) 原始图像 样本特征分布 图 Sample feature distribution (b) 均值滤波 (c) 中值滤波 不同滤波处理效果图 Fig. Effects of different filters 归类到目标图像 不包含全部精标准特征的图 像归类到非目标图像 在非目标图像的基础上 为了解决由于扫描角度不同而造成样本图像 依据包含不同的其他特征进行细分 有利于提 位置偏移的问题 应在网格划分特征区域辨别图 高机器学习的卷积神经网络的学习效率和准确 像种类时对网格进行平移 以达到正确获取图像 率 如图 所示 依据是否包含特征 将 特征区域的目的 从而对其进行正确分类 建立 样本图像分为 类 网格时 首先通过寻找图像的最大连通区域的圆 由于样本图像在获取的过程中会受到 CT 扫 心 即脊柱骨内脊髓中心所在位置 以该位置为 描角度 扫描过程中的抖动等因素的影响 建立 中心建立网格用以划分特征区域 通过上述图像 样本图像的分类标准后 在进行图像的分类前需 预处理过程 可以得到 类样本图像 分类结果 要对图像进行一定的预处理 为了减少抖动对样 如图 所示 其中 样本 为目标图像 其余为 本图像造成的噪声影响 需要对图像进行降噪处 非目标样本. 特征 特征 特征 特征 特征 特征 特征 特征 特征. train train train train train train train train train Data train 样本 Data train 样本. train train train train train train train train train train train train train train train train. 样本Data... 样本 测试集损 测试集精. 样本. 样本 Data train train 样本 train train train train train train train Data train train train train train train train train train 样本 Data train 训练次数 Fig.. 全连接层 各样本图像包含的特征 train train train train train train图train train.... Characteristics of each sample image. 测试集 测试集精度. 训练次数 精度 (%)
8 苏全健 等 基于机器学习的机器人辅助椎弓根植钉规划 期 比较适合小数据集 但同时存在一些缺点 如容 易引入估计偏差 综上所述 由于本文使用的样 本数据集较小 而交叉验证法更适合较小数据集 样本的训练 因此 本文采取交叉验证法的训练 (b) 样本 (c) 样本 (d) 样本 Data train train train train train train train train train Data train Data train train train train train train train train train Data Data. Fig. (h) 样本 Sample classification results 样本图像训练及结果分析.. 训练方式 train train train train train train train train train train train train train train train train train train train train train train train train train Data 卷积神经网络的训练方式主要有交叉验证 Data train train train train train train train train train 法 留出法和自助法 其中 交叉验证法也被称 为 K 折交叉验证法 主要原理是将样本数据集 分成大小相等的 K 份子集 每一份子集间不存 在交集 然后每次训练时取 K 份子集作为训 练集 剩下的一个子集作为测试集 整个样本数.. 准备好样本训练图像和定义好网络的模型.. 后 接下来就是将样本训练图像作为网络模型的.. 全连接层 输入不断地训练 以得到最终优化好的输出模.. 型 训练过程中需要对一些参数进行设定 模型.. 训练的参数设置如表 所示 因为本文采用交叉.. 测试集 测试集 验证的方式 所以整个样本训练全部完成需要 测试集精度 测试集精度.. 次循环 每一次样本全部训练完成记录测试样本 集的以及精度 整个模型训练完成的周期 训练次数 训练次数.. 为 也就是经历了 次迭代 另外 初始 全连接层学习率为. 每经过 个周期学习率降为 据集可以进行 K 次训练和测试 最终的 全连接层 取 K 次训练的平均值 按照经验 K 的取值通常 原来的. 倍 因为模型在训练过程中参数是逐 为 交叉验证法比较适合样本数据集较小的 渐最优化的 故学习率较大会导致学习过程中反 情况 留出法的原理是直接将数据集分成两个互 向传播调节权值和偏置时出现波动 使得模型无 不相交的子集 其中一个作为训练集 另外一个 法实现最优化 网络采用 GPU 进行训练 最小 作为测试集 最终以测试集得到的为测试 批量为 误差 该方法比较适合样本数据集较大的情况 图 自助法的原理是假设给定的样本数据集包含 m 个 和精度变化情况 由图中曲线的变化过程可以看 样本 通过有放回的方式随机抽取 m 次得到训练 出 损失函数在训练开始阶段收敛速度很快 在 集 没有进入训练集的样本作为测试值 该方法 训练中期收敛速度开始变慢并逐渐趋于 这与 表 Table. Cross-validation training principle.. 训练过程 样本分类结果 train train train train train train train train train train train train train train train train train train Data train Data train Fig. 为网络训练过程中记录的测试集 网络训练参数配置表 Network training parameter configuration.. 交叉验证训练原理 精度 精度(%) (%) 图 (g) 样本. (f) 样本. train train train train train train train train 图 (e) 样本. (a) 样本. 方式 原理如图 所示.
9 集 成 技 术 年 网络模型的优化过程是相吻合的 因为网络模型 本文使用的网络模型能够对图像进行有效的识 优化的过程是通过反向传播来调节训练参数使得 别 对目标图像即样本 的识别率较高 通过对 损失函数最小化 整个网络最终的稳定在 样本 图像的有效识别 能够快速定位到椎弓根. 左右 测试集的训练精度的变化趋势与损失 植钉的安全约束区域 值是一样的 呈现出逐渐递增并最终趋于稳定在 输入图像 % 左右 综合网络模型训练过程中的和 输入图像 预测精度 预测精度 精度变化来看 模型的优化效果较好 且最终的 样本 % 样本 % 样本 % 样本 % 样本 % 模型输出能够满足训练的预期 接下来就是将训 练好的模型用于验证集的验证 验证集的数据与 样本数据集是完全无交集的 能够确保验证过 程中不受样本数据的影响 (a) 样本 验证 棘突. train. 上关节突.. 横突. 测试集 测试集精度. 横断面 图 全连接层 verification set 下关节突 精度 (%) train Fig. Prediction accuracy of network model to. 图 网络模型对验证集的预测精度. Fig. 训练次数 (b) 样本 验证. 椎弓根植钉辅助规划 椎弓根植钉的规划方法 脊柱进行椎弓根植钉手术时 对于椎弓根植 矢状面 钉的进钉点 进钉角度来说 螺钉的长度在颈 椎 胸椎和腰椎部位是存在一定差别的 对于腰 椎段的椎弓根植钉手术 国内外医学界许多有名 网络训练过程的模型变化 Model changes in the network training process.. 模型验证 的研究人员提出了有效的方法 如 Xu 等[]提出 了以两条垂直相交直线的交点为进钉点 垂线为 为了对训练的模型进行验证 取与样本数据 过关节突间隙的延长线 水平线为横突平分线 集无交集的若干图像组成验证集 在验证数据集 Kawaguchi 等[]则提出进钉点位于沿固定椎体上 中包含样本 和样本 图像各 张 并为其打 关节突外缘的垂线与横突平分线的交点 国内学 上标签 用训练好的模型进行分类 将最终的分 者如单云官等 []提出 十 字定位法 第 类结果与标签进行对比 计算最终的预测精度 节椎体在关节突的乳突后缘中点划垂直线 在横 图 (a)是验证集中标签为样本 的验证图像 突的副突上划水平线 两线的交点为进钉点 第 在训练好的模型下的预测结果为 张验证图像 节椎体的进钉点是在上关节突的乳突和横突副 中有 张预测结果为样本 张验证结果为样 突之间最深处的中点 上述几种方法均是以横突 本 预测成功率为 % 图 (b)是验证集中 和关节突为参考 对于第 节椎体 进钉的 标签为样本 的验证图像 张验证图像中有 内倾角范围为 对于第 节椎体 张预测结果为样本 另外 张的预测结果为样 进钉的内倾角范围为 只有进钉的深 植钉深度 本 和样本 从验证集的预测结果可以得出 度保证螺钉的长度达到椎弓根轴线长度的 % 所在位置 C B 椎体质心
10 棘突 下关节突 上关节突 苏全健 等 基于机器学习的机器人辅助椎弓根植钉规划 期 才能够保证螺钉有足够的力学强度 过长则容易 输入图像 行二值化处理 将感兴趣的特征与背景进行分 输入图像 穿透脊柱骨对侧皮质而伤害其他组织 所以长度 离 然后 利用图像的开运算去除图像二值化之 一般取进钉点至椎体前侧皮质总长度的 % 左 预测精度 右 螺钉的终止点所在位置与中心线的偏离为椎 体宽度的 / 图 为腰椎段的植钉示意图 主 横突 预测精度 后背景区域的噪点 利用图像的闭运算对开运算 横断面 矢状面 样本 % 样本 % 样本 % 后的图像进行腐蚀操作使图像平滑 加强边缘 样本 % 样本 % 要从横断面和矢状面去判断椎弓根植钉的规划是 最后 利用图像的填充处理操作来填充连通区域 内的空洞使图像完整 否合适 本文将参考上述植钉的角度 进钉的深 利用处理完成的图像提取特征的中心线 中 度和进钉点的选取方法 利用通过机器学习提取 心线的提取需要两个位置的质心 一个是棘突前 到的目标图像进行椎弓根植钉的规划 端质心 通过查找图像当中最小连通域的质心 记为 A 点 另外一个是椎体质心 即图像当中最 棘突 下关节突 上关节突 大连通域的质心 记为 B 点 如图 所示 将 输入图像 输入图像 A B 两点连接在一起则为中心线 在中心线上 预测精度 寻找植钉所需入椎体的深度所在位置 通过取过 预测精度 样本 % 样本 % 中心线的椎体长度的 % 样本 % 样本 % 样本 % 横突 横断面 所在椎体位置 即图 中绿色点所在的位置为中心点 记为 C 点 过该 点与中心线垂直的直线为两侧椎弓根螺钉至少应 矢状面 该到达的深度位置所在的直线 图 Fig.. 假设中心线的方程为 脊柱腰椎段植钉示意图 Implant schematic of lumbar spine 则该方程满 植钉深度 所在位置 目标图像植钉规划 棘突 C 下关节突 通过卷积神经网络提取到目标图像后 为了 椎体质心 B 上关节突 在图像上自动完成椎弓根植钉的粗规化 需要对 目标图像先进行特征提取 如对称中心线 然后 根据提取到的特征采用上述植钉方法进行相应的 A 横突 运算操作 完成对钉道的提取 为了对目标图像 棘突前端质心 横断面 矢状面 特征进行有效的提取 需要对图像进行一定的处 图 理 包括图像的二值化 开闭运算以及填充处 理 如图 所示 首先 对目标图像的原图进 特征中心线提取 Fig. Feature centerline extraction 植钉深度 所在位置 (a) 原图 C B 椎体质心 (b) 二值化 (c) 开运算 图 (d) 闭运算 目标图像的处理 Fig. Target image processing A 棘突前端质心 (e) 填充
11 集成技术 年 足通过 A 点和 B 点, 即满足公式 () () 螺钉终止点所在直线与中心线相交且过点 C, 假设直线方程为, 则该方程满足公式 () () 得到螺钉终止点所在处的直线后, 可以求得直线所在处的椎体宽度 L, 螺钉植入终止点与 C 点的偏移距离为 L/ 设终止点坐标, 则通过求解公式 () 中的方程即可得到终止点位置 () 通过公式 () 求解得到相对中心线左右两个终止点的坐标, 分别记为和 对于腰椎段, 螺钉的内倾角是 ~, 本文统一使用 内倾角作为规划的标准 将钉道所在直线延伸至 A 点所在直线处, 该直线与中心线垂直 假设为终止点 E 的起始点, 则满足方程式 (), 求解方程即可得到 S, 同理可得 S () E E 其中, ; ; 则终止点与起始点的连线即为规划的钉道, 图 为在二值图像和原始图像中完成的钉道规划 与国内外相似研究的对比分析 本文所提基于机器学习的机器人辅助椎弓根植钉规划方法与国内外现有研究多有不同 如 De Bruijne [] 所介绍的机器学习方法主要应用于图像的诊断 疾病的预防和风险评估方面, 对机器学习方法在医疗领域中的应用遇到的困难和问题进行了深刻的研究 首要问题是不同成像协议对样本数据的影响, 对于脊柱成像方式的不同, 提出的解决方案有利于本文网络学习的改进 标签说服力不够是医疗图像识别和分类的一个重要难题, 本文的样本图像分类标准很好地对样本图像进行分类, 且为样本图像打上了强说服力的标签, 解决了这方面的难题 将机器学习作为黑箱子进行诊断和评估是具有风险的 这是因为在高维特征空间的学习系统中, 容易受到混杂因素的影响, 解决这个问题需要为系统添加补救措施 本文中提出的自动进行规划方法的补救措施是医生的最终规划, 为机器学习分类结果的正确性提 [] 供了保证 与安杰用机器学习的方法对内侧颞叶癫痫患者全脑白质的研究相比, 本文不仅在样本分类上有明确的分类标准, 而且根据具体样本优化了网络的架构设计, 很好地减少了训练用时, 同时提高了图像识别的准确率 S S 结论 (a) 二值特征图 (b) 原始图图 钉道规划 Fig. Planning of screw path 本文采用机器学习的方法对椎弓根植钉安全约束区域的图像进行识别 首先, 通过使用卷积神经网络对样本图像进行训练 然后, 用训练
12 期苏全健, 等 : 基于机器学习的机器人辅助椎弓根植钉规划 完成的模型对验证集图像进行了测试验证, 得到 目标图像后, 利用图像的二值化和开闭运算对图 像的特征进行了提取 最后, 对提取到的特征图 像, 根据医学上常用的椎弓根植钉的规划方法, 利用数学运算求解出钉道的位置并完成了钉道的 规划 医生只需要基于安全约束区域内的植钉规 划完成最终的手术任务规划, 能够减少医生花费 在手术规划上的时间和工作量 由于患者个性化 差异较大, 脊柱各个节段椎体形状千差万别, 而 本文研究采集的样本实验图像相对较少, 未能覆 盖全部脊柱节段, 造成部分规划钉道出现偏移或 较大误差的问题 因此, 接下来需要采集更多的 样本图像进行训练, 同时对本文设计的卷积神经 网络进行改进, 提高网络的学习效率 参考文献 [] Lee MJ, Konodi MA, Cizik AM, et al. Risk factors for medical complication after spine surgery: a multivariate analysis of patients [J]. Spine,, (): -. [] 姚子明, 仉建国, 邱贵兴, 等. 一期后路全脊椎切除治疗重度脊柱畸形围手术期并发症及其相关危险因素分析 [J]. 中华骨科杂志,, (): -. [] Tian W, Han X, Liu B, et al. A robot-assisted surgical system using a force-image control method for pedicle screw insertion [J]. PLoS One,, (): e. [] Zhang B, He X, Ouyang F, et al. Radiomic machinelearning classifiers for prognostic biomarkers of advanced nasopharyngeal carcinoma [J]. Cancer Letters,, : -. [] Criminisi A. Machine learning for medical images analysis [J]. Medical Image Analysis,, : -. [] De Bruijne M. Machine learning approaches in medical image analysis: from detection to diagnosis [J]. Medical Image Analysis,, : -. [] Suzuki K, Zhou L. Machine learning in medical imaging [J]. Pattern Recognition,, : -. [] Kim YK, Na KS. Application of machine learning classification for structural brain MRI in mood disorders: critical review from a clinical perspective [J]. Progress in Neuro-Psychopharmacology & Biological Psychiatry,, : -. [] Vidyasagar M. Machine learning methods in computational cancer biology [J]. Annual Reviews in Control,, : -. [] 史颖欢. 医学图像处理中的机器学习方法及其应用研究 [D]. 南京 : 南京大学,. [] 吴国荣. 基于机器学习的立体闹图像弹性配准框架研究 [D]. 上海 : 上海交通大学,. [] Deng L, Seltzer M, Yu D, et al. Binary coding of speech spectrograms using a deep auto-encoder [C] // Conference of the International Speech Communication Association, : -. [] Sutskever I, Hinton G, Taylor G. The recurrent temporal restricted boltzmann machine [C] // Advances in Neural Information Processing Systems, : -. [] Lee H, Grosse R. Convolutional deep belief networks for scalable unsupervised learning of hierarchical representations [C] // Proceedngs of the th Annual International Conference on Machine Learning, : -. [] Krizhevsky A, Sutskever I, Hinton GE. ImageNet classification with deep convolutional neural networks [C] // Proceedings of the th International Conference on Neural Information Processing Systems, : -. [] Xu R, Ebraheim NA, Ou Y, et al. Anatomic considerations of pedicle screw placement in the thoracic spine: roy-camille technique versus openlamina technique [J]. Spine,, (): -. [] Kawaguchi Y, Nakano M, Yasuda T, et al. Development of a new technique for pedicle screw and magerl screw insertion using a D image guide [J]. Spine,, (): -. [] 单云官, 徐达传, 钟世镇, 等. 骶 腰 椎体置入螺钉固定术的应用解剖 [J]. 中国临床解剖学杂志, (): -. [] 安杰. 应用机器学习方法对内侧颞叶癫痫患者全脑白质的研究 [D]. 广州 : 南方医科大学,.
报 告 1: 郑 斌 教 授, 美 国 俄 克 拉 荷 马 大 学 医 学 图 像 特 征 分 析 与 癌 症 风 险 评 估 方 法 摘 要 : 准 确 的 评 估 癌 症 近 期 发 病 风 险 和 预 后 或 者 治 疗 效 果 是 发 展 和 建 立 精 准 医 学 的 一 个 重 要 前
东 北 大 学 中 荷 生 物 医 学 与 信 息 工 程 学 院 2016 年 度 生 物 医 学 与 信 息 工 程 论 坛 会 议 时 间 2016 年 6 月 8 日, 星 期 三,9:30 至 16:00 会 议 地 址 会 议 网 址 主 办 单 位 东 北 大 学 浑 南 校 区 沈 阳 市 浑 南 区 创 新 路 195 号 生 命 科 学 大 楼 B 座 619 报 告 厅 http://www.bmie.neu.edu.cn
SVM OA 1 SVM MLP Tab 1 1 Drug feature data quantization table
38 2 2010 4 Journal of Fuzhou University Natural Science Vol 38 No 2 Apr 2010 1000-2243 2010 02-0213 - 06 MLP SVM 1 1 2 1 350108 2 350108 MIP SVM OA MLP - SVM TP391 72 A Research of dialectical classification
泰迪杯全国数据挖掘挑战赛 OCR (CNN) OCR() CNN % 92.1% 15% 90%. Viterbi. OCR..,,,,,
泰迪杯全国数据挖掘挑战赛 www.tipdm.org 第四届 泰迪杯 全国数据挖掘挑战赛 优 秀 作 品 作品名称 : 基于深度学习和语言模型的印刷文字 OCR 系统 荣获奖项 : 特等并获企业冠名奖 作品单位 : 华南师范大学 作品成员 : 苏剑林曾玉婷 泰迪杯全国数据挖掘挑战赛 www.tipdm.org OCR 2016 5 15 (CNN) OCR(). +.... CNN 140 99.7%
自然科学版 预处理 视盘粗定位 视盘垂直坐标的粗定位 视盘水平坐标的粗定位
自然科学版 文章编号 视网膜图像中视盘的快速自动定位方法 赵晓芳 林土胜 李碧 摘 要 基于眼底视网膜血管的分布结构及视盘本身的特点 提出一种快速自动定位视盘的方法 首先根据视网膜血管的网络分布结构大致定位视盘的垂直坐标 然后根据视盘 的亮度信息及视盘与血管的关系来定位视盘的水平坐标 最后把视盘限定在以粗定位的视盘为中心的一个小窗口内 用 变换精确定位视盘中心 该方法不需要事先分割视网膜血管 也不需要对算法进行训练
1 引言
P P 第 40 卷 Vol.40 第 7 期 No.7 计 算 机 工 程 Computer Engineering 014 年 7 月 July 014 开 发 研 究 与 工 程 应 用 文 章 编 号 :1000-348(014)07-081-05 文 献 标 识 码 :A 中 图 分 类 号 :TP391.41 摘 基 于 图 像 识 别 的 震 象 云 地 震 预 测 方 法 谢 庭,
Vol. 22 No. 4 JOURNAL OF HARBIN UNIVERSITY OF SCIENCE AND TECHNOLOGY Aug GPS,,, : km, 2. 51, , ; ; ; ; DOI: 10.
22 4 2017 8 Vol. 22 No. 4 JOURNAL OF HARBIN UNIVERSITY OF SCIENCE AND TECHNOLOGY Aug. 2017 150080 GPS,,, : 27. 36 km, 2. 51, 110. 43, ; ; ; ; DOI: 10. 15938 /j. jhust. 2017. 04. 015 U469. 13 A 1007-2683
Microsoft Word - 专论综述1.doc
2016 年 第 25 卷 第 期 http://www.c-s-a.org.cn 计 算 机 系 统 应 用 1 基 于 节 点 融 合 分 层 法 的 电 网 并 行 拓 扑 分 析 王 惠 中 1,2, 赵 燕 魏 1,2, 詹 克 非 1, 朱 宏 毅 1 ( 兰 州 理 工 大 学 电 气 工 程 与 信 息 工 程 学 院, 兰 州 730050) 2 ( 甘 肃 省 工 业 过 程 先
2 ( 自 然 科 学 版 ) 第 20 卷 波 ). 这 种 压 缩 波 空 气 必 然 有 一 部 分 要 绕 流 到 车 身 两 端 的 环 状 空 间 中, 形 成 与 列 车 运 行 方 向 相 反 的 空 气 流 动. 在 列 车 尾 部, 会 产 生 低 于 大 气 压 的 空 气 流
第 20 卷 第 3 期 2014 年 6 月 ( 自 然 科 学 版 ) JOURNAL OF SHANGHAI UNIVERSITY (NATURAL SCIENCE) Vol. 20 No. 3 June 2014 DOI: 10.3969/j.issn.1007-2861.2013.07.031 基 于 FLUENT 测 轨 道 交 通 隧 道 中 电 波 折 射 率 结 构 常 数 张 永
% GIS / / Fig. 1 Characteristics of flood disaster variation in suburbs of Shang
20 6 2011 12 JOURNAL OF NATURAL DISASTERS Vol. 20 No. 6 Dec. 2011 1004-4574 2011 06-0094 - 05 200062 1949-1990 1949 1977 0. 8 0. 03345 0. 01243 30 100 P426. 616 A Risk analysis of flood disaster in Shanghai
Microsoft Word - 刘 慧 板.doc
中 国 环 境 科 学 2012,32(5):933~941 China Environmental Science 系 统 动 力 学 在 空 港 区 域 规 划 环 境 影 响 评 价 中 的 应 用 刘 慧 1,2, 郭 怀 成 1*, 盛 虎 1, 都 小 尚 1,3, 李 娜 1 1, 杨 永 辉 (1. 北 京 大 学 环 境 科 学 与 工 程 学 院, 北 京 100871; 2.
[1] Liu Hongwei,2013, Study on Comprehensive Evaluation of Iron and Steel Enterprises Production System s Basic Capacities, International Asia Confere
![[1] Liu Hongwei,2013, Study on Comprehensive Evaluation of Iron and Steel Enterprises Production System s Basic Capacities, International Asia Confere](/thumbs/39/20207255.jpg "[1] Liu Hongwei,2013, Study on Comprehensive Evaluation of Iron and Steel Enterprises Production System s Basic Capacities, International Asia Confere")
刘 洪 伟 工 业 工 程 系 副 教 授 CV 下 载 办 公 电 话 : 电 子 邮 箱 :hw_liu999@tju.edu.cn 研 究 方 向 : 精 益 生 产 与 精 益 管 理 理 论 及 应 用 ; 工 业 工 程 与 信 息 技 术 集 成 管 理 ; 系 统 可 靠 性 理 论 与 方 法 ; 医 院 管 理 理 论 及 应 用 教 育 与 工 作 经 历 时 间 单 位 专
吉林大学学报 工学版 ２４４ 第 ４ 卷 复杂 鉴于本文篇幅所限 具体公式可详见参考文 献 ７ 每帧的动力学方程建立及其解算方法如图 ３ 所示 图４ 滚转角速度与输入量 η 随时间的变化波形 Ｆｉｇ ４ Ｗａｖｅｆｏｒｍ ｏｆ ｒｏｌｌ ｒａｔｅ ａｎｄ ｉｎｐｕｔ η ｗｉｔｈ ｔｉｍｅ ｃｈａｎｇｉｎｇ 图５ Ｆｉｇ ５ 滚转角随时间的变化波形 Ｗａｖｅｆｏｒｍ ｏｆ ｒｏｌｌ ａｎｇｌｅ ｗｉｔｈ
Microsoft Word - 01李惠玲ok.doc
康 寧 學 報 11:1-20(2009) 1 數 位 學 習 於 護 理 技 術 課 程 之 運 用 與 評 值 * 李 惠 玲 ** 高 清 華 *** 呂 莉 婷 摘 要 背 景 : 網 路 科 技 在 教 育 的 使 用 已 成 為 一 種 有 利 的 教 學 輔 助 工 具 網 路 教 學 的 特 性, 在 使 學 習 可 不 分 時 間 與 空 間 不 同 進 度 把 握 即 時 性 資
<4D6963726F736F667420576F7264202D203631372D3632312032303133303430333030312DBACEC0F25FD0A3B6D4B8E55F2DB6FED0A32D2D2DC8A5B5F4CDBCD6D0B5C4BBD8B3B5B7FBBAC52E646F63>
第 4 卷 第 2 期 食 品 安 全 质 量 检 测 学 报 Vol. 4 No. 2 2013 年 4 月 Journal of Food Safety and Quality Apr., 2013 何 莉 *, 姜 笑 寒 ( 广 东 省 食 品 药 品 职 业 技 术 学 校, 广 州 510663) 摘 要 : 本 文 通 过 科 学 地 运 用 html5+jsp+sql 技 术, 建
untitled
LBS Research and Application of Location Information Management Technology in LBS TP319 10290 UDC LBS Research and Application of Location Information Management Technology in LBS , LBS PDA LBS
一般社団法人電子情報通信学会 信学技報 THE INSTITUTE OF ELECTRONICS, IEICE Technical Report INFORMATION THE INSTITUTE OF AND ELECTRONICS, COMMUNICATION ENGINEERS IEICE L
一般社団法人電子情報通信学会 信学技報 THE INSTITUTE OF ELECTRONICS, IEICE Technical Report INFORMATION THE INSTITUTE OF AND ELECTRONICS, COMMUNICATION ENGINEERS IEICE LOIS2016-85(2017-03) Technical Report INFORMATION AND
~ 10 2 P Y i t = my i t W Y i t 1000 PY i t Y t i W Y i t t i m Y i t t i 15 ~ 49 1 Y Y Y 15 ~ j j t j t = j P i t i = 15 P n i t n Y
* 35 4 2011 7 Vol. 35 No. 4 July 2011 3 Population Research 1950 ~ 1981 The Estimation Method and Its Application of Cohort Age - specific Fertility Rates Wang Gongzhou Hu Yaoling Abstract Based on the
/3 CAD JPG GIS CAD GIS GIS 1 a CAD CAD CAD GIS GIS ArcGIS 9. x 10 1 b 1112 CAD GIS 1 c R2VArcscan CAD MapGIS CAD 1 d CAD U
1006-3862 2010 05-0059 - 07 361005 1 GIS 2 3 What if 2. 0 1 2 3 4 GIS TU984. 11 A 1 Planning Support System MIS PSS 1989 1 90 23 4-7 GIS Planning Support GIS System SDSS PSS GIS GIS CAD GIS SDSS CAD CAD
Fig. 1 1 The sketch for forced lead shear damper mm 45 mm 4 mm 200 mm 25 mm 2 mm mm Table 2 The energy dissip
* - 1 1 2 3 1. 100124 2. 100124 3. 210018 - ABAQUS - DOI 10. 13204 /j. gyjz201511033 EXPERIMENTAL STUDY AND THEORETICAL MODEL OF A NEW TYPE OF STEEL-LEAD DAMPING Shen Fei 1 Xue Suduo 1 Peng Lingyun 2 Ye
Microsoft Word 聂雪梅.doc
4 4 Vol. 4 No. 4 2013 8 Journal of Food Safety and Quality Aug., 2013 聂雪梅 *, 李立, 孙利, 高飞 (, 100123) 摘要 : 2011 12,, 2007~2011,,,, 关键词 : ; ; ; ; Trade and notification situation on food import and export
填 写 要 求 一 以 word 文 档 格 式 如 实 填 写 各 项 二 表 格 文 本 中 外 文 名 词 第 一 次 出 现 时, 要 写 清 全 称 和 缩 写, 再 次 出 现 时 可 以 使 用 缩 写 三 涉 密 内 容 不 填 写, 有 可 能 涉 密 和 不 宜 大 范 围 公
2013 年 度 上 海 高 校 市 级 精 品 课 程 申 报 表 ( 本 科 ) 学 校 名 称 东 华 大 学 课 程 名 称 计 算 机 系 统 与 网 络 技 术 课 程 类 型 理 论 课 ( 不 含 实 践 ) 理 论 课 ( 含 实 践 ) 实 验 ( 践 ) 课 所 属 一 级 学 科 名 称 所 属 二 级 学 科 名 称 课 程 负 责 人 申 报 日 期 工 科 计 算 机
1. 课 程 负 责 人 情 况 姓 名 蒋 效 宇 性 别 男 出 生 年 月 基 本 信 息 最 终 学 历 研 究 生 职 称 副 教 授 电 话 学 位 博 士 职 务 无 传 真 研 究 方 向 MIS 系 统 整 合 电 子
北 京 服 装 学 院 精 品 课 程 建 设 立 项 申 报 表 课 程 名 称 管 理 信 息 系 统 所 属 部 门 商 学 院 课 程 类 型 理 论 课 ( 不 含 实 践 ) 理 论 课 ( 含 实 践 ) 实 验 ( 践 ) 课 所 属 一 级 学 科 名 称 所 属 二 级 学 科 名 称 课 程 负 责 人 管 理 科 学 与 工 程 管 理 信 息 系 统 蒋 效 宇 申 报 日
北 京 大 学
北 京 大 学 硕 士 研 究 生 培 养 方 案 ( 信 息 工 程 学 院 报 表 修 订 版 本 ) 一 级 学 科 名 称 专 业 名 称 计 算 机 科 学 与 技 术 计 算 机 应 用 技 术 专 业 代 码 081203 北 京 大 学 研 究 生 院 制 表 填 表 日 期 :2012 年 06 月 16 日 一 学 科 ( 专 业 ) 主 要 研 究 方 向 序 研 究 方 向
小论文草稿2_邓瀚
城 市 轨 道 交 通 列 车 运 行 控 制 系 统 仿 真 分 析 平 台 的 设 计 邓 瀚 1 赵 霞 1 张 琼 燕 2 刘 循 2 (1. 上 海 交 通 大 学 自 动 化 系, 系 统 控 制 与 信 息 处 理 教 育 部 重 点 实 验 室, 上 海,200240;2. 上 海 申 通 地 铁 股 份 有 限 公 司, 上 海,201103) 摘 要 文 章 设 计 了 一 种
物理学报 Acta Phys. Sin. Vol. 62, No. 14 (2013) 147802 叠 [4]. PET 设备最重要的部件就是探测器环, 探测 备重建图像具有减少数据插值的优势. 器环的性能直接影响 PET 的成像能力. 探头与探头 之间得到的符合直线叫做投影线. 所有的投影线在
![物理学报 Acta Phys. Sin. Vol. 62, No. 14 (2013) 147802 叠 [4]. PET 设备最重要的部件就是探测器环, 探测 备重建图像具有减少数据插值的优势. 器环的性能直接影响 PET 的成像能力. 探头与探头 之间得到的符合直线叫做投影线. 所有的投影线在](/thumbs/41/22573722.jpg "物理学报 Acta Phys. Sin. Vol. 62, No. 14 (2013) 147802 叠 [4]. PET 设备最重要的部件就是探测器环, 探测 备重建图像具有减少数据插值的优势. 器环的性能直接影响 PET 的成像能力. 探头与探头 之间得到的符合直线叫做投影线. 所有的投影线在")
数 据 插 值 对 正 电 子 发 射 断 层 成 像 设 备 的 图 像 重 建 影 响 的 研 究 * 杨 昆 刘 新 新 李 晓 苇 ( 河 北 大 学 物 理 学 院, 保 定 071000 ) ( 2013 年 1 月 30 日 收 到 ; 2013 年 4 月 9 日 收 到 修 改 稿 ) 正 电 子 发 射 断 层 扫 描 (positron emission computed tomography,
[1] [4] Chetverikov Lerch[8,12] LeaVis CAD Limas-Serafim[6,7] (multi-resolution pyramids) 2 n 2 n 2 2 (texture) (calf leather) (veins)
![[1] [4] Chetverikov Lerch[8,12] LeaVis CAD Limas-Serafim[6,7] (multi-resolution pyramids) 2 n 2 n 2 2 (texture) (calf leather) (veins)](/thumbs/51/28234869.jpg "[1] [4] Chetverikov Lerch[8,12] LeaVis CAD Limas-Serafim[6,7] (multi-resolution pyramids) 2 n 2 n 2 2 (texture) (calf leather) (veins)")
38 8 38th Annual Conference of CSQ & 8th NQMS MCP IE 120 1. [1] [4] 1 2 3 2. Chetverikov Lerch[8,12] LeaVis CAD Limas-Serafim[6,7] (multi-resolution pyramids) 2 n 2 n 2 2 (texture) (calf leather) (veins)
Microsoft Word - 201506定版
56 Chinese Journal of Library and Information Science for Traditional Chinese Medicine Dec. 2015 Vol. 39 No. 6 综 述 中 医 药 学 语 言 系 统 研 究 综 述 于 彤, 贾 李 蓉, 刘 静, 杨 硕 *, 董 燕, 朱 玲 中 国 中 医 科 学 院 中 医 药 信 息 研 究 所,
Fig. 1 Frame calculation model 1 mm Table 1 Joints displacement mm
33 2 2011 4 ol. 33 No. 2 Apr. 2011 1002-8412 2011 02-0104-08 1 1 1 2 361003 3. 361009 3 1. 361005 2. GB50023-2009 TU746. 3 A Study on Single-span RC Frame Reinforced with Steel Truss System Yuan Xing-ren
PCA+LDA 14 1 PEN mL mL mL 16 DJX-AB DJ X AB DJ2 -YS % PEN
21 11 2011 11 COMPUTER TECHNOLOGY AND DEVELOPMENT Vol. 21 No. 11 Nov. 2011 510006 PEN3 5 PCA + PCA+LDA 5 5 100% TP301 A 1673-629X 2011 11-0177-05 Application of Electronic Nose in Discrimination of Different
g 100mv /g 0. 5 ~ 5kHz 1 YSV8116 DASP 1 N 2. 2 [ M] { x } + [ C] { x } + [ K]{ x } = { f t } 1 M C K 3 M C K f t x t 1 [ H( ω )] = - ω 2
![g 100mv /g 0. 5 ~ 5kHz 1 YSV8116 DASP 1 N 2. 2 [ M] { x } + [ C] { x } + [ K]{ x } = { f t } 1 M C K 3 M C K f t x t 1 [ H( ω )] = - ω 2](/thumbs/50/26301205.jpg "g 100mv /g 0. 5 ~ 5kHz 1 YSV8116 DASP 1 N 2. 2 [ M] { x } + [ C] { x } + [ K]{ x } = { f t } 1 M C K 3 M C K f t x t 1 [ H( ω )] = - ω 2")
10 2016 10 No. 10 Modular Machine Tool & Automatic Manufacturing Technique Oct. 2016 1001-2265 2016 10-0012 - 05 DOI 10. 13462 /j. cnki. mmtamt. 2016. 10. 004 * 116024 MIMO TH166 TG502 A Dynamic Performance
论文摘要 ( 英文 ) Nowadays, doctors need to identify multimodal medical images combined with clinical characterization to diagnose the patient's condition a
博士学位论文公示材料 学生姓名王洋 学号 1110415 二级学科 计算机应用 导师姓名 刘积仁 论文题目 人工智能与多模态影像组学在若干疾病分析中的研究 论文研究方向 医学图像处理 深度学习 人工智能 论文关键词 医学图像 ; 多模态影像组学 ; 人工智能 ; 深度学习 ; 异构数据融合 论文摘要 ( 中文 ) 如今医生需要通过识别多个模态的医学图像并结合临床表征来综合诊断病人的病情, 确定病灶,
分 级 和 气 管 是 否 受 侵 是 影 响 预 后 的 独 立 危 险 因 素 关 键 词 状 腺 肿 瘤 ; 癌, 乳 头 状 ; 预 后 Clinical outcomes of 600 papillary thyroid carcinoma patients ZHANG Zong-min,
移 性 鳞 癌 患 者 的 临 床 资 料, 比 较 不 同 治 疗 手 段 的 效 果 50 例 患 者 男 性 44 例, 女 性 6 例, 年 龄 29~73 岁, 中 位 年 龄 52.5 岁 ; 临 床 分 期 :N2c 占 64% (32/50),N3 占 36% (18/50) 30 例 患 者 行 双 颈 淋 巴 结 清 扫 术 50 例 患 者 均 行 放 疗, 剂 量 为 50~66
f 2 f 2 f q 1 q 1 q 1 q 2 q 1 q n 2 f 2 f 2 f H = q 2 q 1 q 2 q 2 q 2 q n f 2 f 2 f q n q 1 q n q 2 q n q n H R n n n Hessian
2012 10 31 10 Mechanical Science and Technology for Aerosace Engineering October Vol. 31 2012 No. 10 1 2 1 2 1 2 1 2 1 300387 2 300387 Matlab /Simulink Simulink TH112 A 1003-8728 2012 10-1664-06 Dynamics
标题
第 48 卷 第 6 期 2 1 6 年 6 月 哈 尔 滨 工 业 大 学 学 报 JOURNAL OF HARBIN INSTITUTE OF TECHNOLOGY Vol 48 No 6 Jun. 216 doi:1.11918 / j.issn.367 6234.216.6.1 大 跨 度 楼 盖 结 构 在 运 动 荷 载 下 的 振 动 性 能 杨 维 国 1, 马 伯 涛 2, 宋 毛
* CUSUM EWMA PCA TS79 A DOI /j. issn X Incipient Fault Detection in Papermaking Wa
2 *. 20037 2. 50640 CUSUM EWMA PCA TS79 A DOI 0. 980 /j. issn. 0254-508X. 207. 08. 004 Incipient Fault Detection in Papermaking Wastewater Treatment Processes WANG Ling-song MA Pu-fan YE Feng-ying XIONG
2015 年 第 24 卷 第 11 期 计 算 机 系 统 应 用 历 的 主 体 部 分 多 以 非 结 构 化 的 文 本 形 式 存 储, 很 多 研 究 只 能 基 于 有 限 的 结 构 化 数 据 进 行 [4,5], 无 法 满 足 临
![2015 年 第 24 卷 第 11 期 计 算 机 系 统 应 用 历 的 主 体 部 分 多 以 非 结 构 化 的 文 本 形 式 存 储, 很 多 研 究 只 能 基 于 有 限 的 结 构 化 数 据 进 行 [4,5], 无 法 满 足 临](/thumbs/42/23028586.jpg "2015 年 第 24 卷 第 11 期 计 算 机 系 统 应 用 历 的 主 体 部 分 多 以 非 结 构 化 的 文 本 形 式 存 储, 很 多 研 究 只 能 基 于 有 限 的 结 构 化 数 据 进 行 [4,5], 无 法 满 足 临")
计 算 机 系 统 应 用 http://www.c-s-a.org.cn 2015 年 第 24 卷 第 11 期 1 面 向 电 子 病 历 中 文 医 学 信 息 的 可 视 组 织 方 法 徐 天 明 1,2, 樊 银 亭 3, 马 翠 霞 1, 滕 东 兴 1 ( 中 国 科 学 院 软 件 研 究 所 人 机 交 互 技 术 与 智 能 信 息 处 理 实 验 室, 北 京 100190)
University of Science and Technology of China A dissertation for master s degree Research of e-learning style for public servants under the context of
中 国 科 学 技 术 大 学 硕 士 学 位 论 文 新 媒 体 环 境 下 公 务 员 在 线 培 训 模 式 研 究 作 者 姓 名 : 学 科 专 业 : 导 师 姓 名 : 完 成 时 间 : 潘 琳 数 字 媒 体 周 荣 庭 教 授 二 一 二 年 五 月 University of Science and Technology of China A dissertation for
θ 1 = φ n -n 2 2 n AR n φ i = 0 1 = a t - θ θ m a t-m 3 3 m MA m 1. 2 ρ k = R k /R 0 5 Akaike ρ k 1 AIC = n ln δ 2
35 2 2012 2 GEOMATICS & SPATIAL INFORMATION TECHNOLOGY Vol. 35 No. 2 Feb. 2012 1 2 3 4 1. 450008 2. 450005 3. 450008 4. 572000 20 J 101 20 ARMA TU196 B 1672-5867 2012 02-0213 - 04 Application of Time Series
Paper Title (use style: paper title)
Electrical Engineering and Automation December 2016, Volume 5, Issue 2, PP. 50-55 Profiled Fiber Image Recognition Based on Deep Convolutional Neural Network Shuolei Sun 1#, Huan Wu 2, Zheng Tie 1 1.College
Microsoft Word - 103-4 記錄附件
國 立 虎 尾 技 大 103 年 度 第 4 次 教 務 會 議 記 錄 附 件 中 華 民 國 104 年 6 月 16 日 受 文 者 : 國 立 虎 尾 技 大 發 文 日 期 : 中 華 民 國 104 年 5 月 28 日 發 文 字 號 : 臺 教 技 ( 二 ) 字 第 1040058590 號 速 別 : 最 速 件 密 等 及 解 密 條 件 或 保 密 期 限 : 附 件 :
戊 酸 雌 二 醇 片 联 合 宫 颈 注 射 利 多 卡 因 用 于 绝 经 后 妇 女 取 环 的 临 床 效 果 评 价 陆 琴 芬, 等 371 Keywords groups, no removal difficulties and failure, was statistically s
370 临 床 与 病 理 杂 志 J Clin Pathol Res 2015, 35(3) http://www.lcbl.net doi: 10.3978/j.issn.2095-6959.2015.03.009 View this article at: http://dx.doi.org/10.3978/j.issn.2095-6959.2015.03.009 戊 酸 雌 二 醇 片 联
<4D6963726F736F667420576F7264202D20C9CFBAA3BFC6BCBCB4F3D1A7D0C5CFA2D1A7D4BA32303136C4EAC7EFBCBEC8EBD1A7B2A9CABFD7CAB8F1BFBCCAD4CAB5CAA9CFB8D4F22D30343036C8B7B6A8B8E5>
上 海 科 技 大 学 信 息 科 学 与 技 术 学 院 年 度 博 士 资 格 考 试 实 施 细 则 一 总 则 本 细 则 由 上 海 科 技 大 学 信 息 科 学 与 技 术 学 院 ( 以 下 简 称 信 息 学 院 ) 教 学 指 导 委 员 会 讨 论 制 定, 适 用 于 信 息 学 院 2014 级 硕 士 研 究 生 的 年 度 博 士 资 格 考 试 信 息 学 院 2014
2 3. 1,,,.,., CAD,,,. : 1) :, 1,,. ; 2) :,, ; 3) :,; 4) : Fig. 1 Flowchart of generation and application of 3D2digital2building 2 :.. 3 : 1) :,
3 1 Vol. 3. 1 2008 2 CAA I Transactions on Intelligent Systems Feb. 2008, (,210093) :.,; 3., 3. :; ; ; ; : TP391 :A :167324785 (2008) 0120001208 A system f or automatic generation of 3D building models
Presentation Title
MATLAB 与人工智能 : 深度学习有多远? 2017 The MathWorks, Inc. 1 术语 : 人工智能, 机器学习, 深度学习 Rule-based & brute force reasoning Spam filters learn models from data Artificial Intelligence (A.I.) for knowledge based reasoning
10 中 草 药 Chinese Traditional and Herbal Drugs 第 43 卷 第 1 期 2012 年 1 月 生 药 打 粉 入 药 的 基 本 特 点, 借 鉴 材 料 学 粉 体 学 等 学 科 的 研 究 成 果, 在 中 药 传 统 制 药 理 念 的 启 发
中 草 药 Chinese Traditional and Herbal Drugs 第 43 卷 第 1 期 2012 年 1 月 9 基 于 传 统 丸 散 剂 特 点 的 中 药 粒 子 设 计 技 术 研 究 1, 杨 明 2, 韩 丽 1, 杨 胜 3, 张 定 1, 苏 柘 僮 1, 郭 治 平 4, 邹 文 铨 1. 成 都 中 医 药 大 学 四 川 省 中 药 资 源 系 统 研
定稿
第 31 卷 第 8 期 2014 年 8 月 机 电 工 程 Journal of Mechanical & Electrical Engineering Vol. 31 No. 8 Aug. 2014 DOI:10.3969/j.issn.1001-4551.2014.08.008 * 基 于 逆 向 技 术 的 骨 盆 环 三 维 重 构 与 结 构 分 析 1,2 田 卫 军, 李 郁 (1.
Mechanical Science and Technology for Aerospace Engineering October Vol No. 10 Web SaaS B /S Web2. 0 Web2. 0 TP315 A
2012 10 31 10 Mechanical Science and Technology for Aerospace Engineering October Vol. 31 2012 No. 10 Web2. 0 400030 SaaS B /S Web2. 0 Web2. 0 TP315 A 1003-8728 2012 10-1638-06 Design and Implementation
Microsoft Word - A201202-493_1329751213.doc
5 10 15 20 25 BP 神 经 网 络 在 中 国 创 业 板 企 业 成 长 性 预 测 研 究 ** 孙 静 稳, 刘 金 平 ( 中 国 矿 业 大 学 管 理 学 院, 江 苏 徐 州 221116) 摘 要 : 根 据 创 业 板 企 业 的 高 科 技 和 高 成 长 性 特 点, 成 为 金 融 证 券 市 场 热 门 关 注 的 对 象, 其 成 长 性 研 究 是 资 本
200 31 5 SWAN 0. 01 0. 01 6 min TITAN Thunder Identification Tracking Analysis SWAN TITAN and Nowcasting 19 TREC Tracking Radar Echo by Correlaction T
31 1 2013 3 Journal of Arid Meteorology Vol. 31 No. 1 March 2013. SWAN J. 2013 31 1 199-205. doi 10. 11755 /j. issn. 1006-7639 2013-01 - 0199 SWAN 730020 2011 7 7 SWAN SWAN 2012 2 SWAN 1006-7639 2013-01
H 2 SO ml ml 1. 0 ml C 4. 0 ml - 30 min 490 nm 0 ~ 100 μg /ml Zhao = VρN 100% 1 m V ml ρ g
16 6 2018 11 Chinese Journal of Bioprocess Engineering Vol. 16 No. 6 Nov. 2018 doi 10. 3969 /j. issn. 1672-3678. 2018. 06. 004 1 2 1 1 1. 330200 2. 330006 4 Box-Behnken 1 25 g /ml 121 92 min 2 6. 284%
电力信息化2013年第1期.indb
中图分类号 TP319 文献标志码 B 文章编号 1672-4844(213)1-87-6 摘要 SAP ERP 信息是很多大型企业的核心信息 是企业在进行容灾建设时主要关切的 信息 文章以双活方式运行的特点对 SAP ERP 信息进行了分析 推导出了 SAP ERP 信息以双活模式运行时操作响时间的计算公式 提出了影响操作响时间的主要因素是网 络时延 测试了 SAP ERP 产品以服务器双活模式运行的实际效果和以数据库双活
Natural Neural Networks
深度学习讨论班 黄雷 2016-11-29 内容大纲 1. 深度学习介绍 神经网络的历史 深度学习的应用 2. 多层感知机 (multi-layer perceptron machine) 前向神经网络 (feedforward neural network) 3. 卷积神经网络 (Convolution neural networks) 4. 递归神经网络 (Recursive neural networks)
5-25袁宏钧.indd
第 24 卷 第 5 期 2015 年 5 月 碘 131 doi:10.3978/j.issn.1005-6947.2015.05.005 http://dx.doi.org/10.3978/j.issn.1005-6947.2015.05.005 Chinese Journal of General Surgery, 2015, 24(5):643 647. Chinese Journal of
普通高等学校本科专业设置管理规定
普 通 高 等 学 校 本 科 专 业 设 置 申 请 表 ( 备 案 专 业 适 用 ) 学 校 名 称 ( 盖 章 ): 学 校 主 管 部 门 : 专 业 名 称 : 浙 江 外 国 语 学 院 浙 江 省 教 育 厅 金 融 工 程 专 业 代 码 : 020302 所 属 学 科 门 类 及 专 业 类 : 金 融 学 / 金 融 工 程 类 学 位 授 予 门 类 : 修 业 年 限 :
第 2 期 王 向 东 等 : 一 种 运 动 轨 迹 引 导 下 的 举 重 视 频 关 键 姿 态 提 取 方 法 257 竞 技 体 育 比 赛 越 来 越 激 烈, 为 了 提 高 体 育 训 练 的 效 率, 有 必 要 在 体 育 训 练 中 引 入 科 学 定 量 的 方 法 许 多
2014 年 4 月 图 学 学 报 April 2014 第 35 卷 第 2 期 JOURNAL OF GRAPHICS Vol.35 No.2 一 种 运 动 轨 迹 引 导 下 的 举 重 视 频 关 键 姿 态 提 取 方 法 王 向 东 1, 张 静 文 2, 毋 立 芳 2, 徐 文 泉 (1. 国 家 体 育 总 局 体 育 科 学 研 究 所, 北 京 100061;2. 北 京
Outline Speech Signals Processing Dual-Tone Multifrequency Signal Detection 云南大学滇池学院课程 : 数字信号处理 Applications of Digital Signal Processing 2
CHAPTER 10 Applications of Digital Signal Processing Wang Weilian wlwang@ynu.edu.cn School of Information Science and Technology Yunnan University Outline Speech Signals Processing Dual-Tone Multifrequency
我国原奶及乳制品安全生产和质量安全管理研究
密 级 论 文 编 号 中 国 农 业 科 学 院 硕 士 学 位 论 文 我 国 原 奶 及 乳 制 品 质 量 安 全 管 理 研 究 Study on Quality and Safety Management of Raw Milk and Dairy Products in China 申 请 人 : 段 成 立 指 导 教 师 : 叶 志 华 研 究 员 张 蕙 杰 研 究 员 申 请
Thesis for the Master degree in Engineering Research on Negative Pressure Wave Simulation and Signal Processing of Fluid-Conveying Pipeline Leak Candi
U17 10220 UDC624 Thesis for the Master degree in Engineering Research on Negative Pressure Wave Simulation and Signal Processing of Fluid-Conveying Pipeline Leak Candidate:Chen Hao Tutor: Xue Jinghong
本 次 培 训 班 旨 在 : (1) 让 学 员 充 分 了 解 磁 共 振 技 术 在 临 床 应 用 研 究 和 认 知 神 经 科 学 ( 涵 盖 心 理 学 神 经 科 学 信 息 科 学 甚 至 经 济 学 管 理 学 等 凡 需 要 人 脑 参 与 的 各 个 领 域 ) 研 究 中
磁 共 振 脑 成 像 技 术 与 应 用 普 及 班 第 一 轮 通 知 2013 年 11 月 30-12 月 1 日 浙 江 杭 州 主 办 单 位 : 杭 州 师 范 大 学 认 知 与 脑 疾 病 研 究 中 心 浙 江 省 认 知 障 碍 评 估 技 术 研 究 重 点 实 验 室 中 国 神 经 科 学 学 会 神 经 科 学 研 究 技 术 分 会 杭 州 智 脑 科 技 有 限 公
. 3. MOOC 2006 MOOC Automated Text Marker 2014 e-rater Yigal et al MOOC Coursera Edx 97
23 3 2017 6 Open Education Research Vol. 23 No. 3 Jun. 2017 1 2 1 2 1. 100875 2. 100875 PPT G434 A 1007-2179 2017 03-0096-09 Coursera Edx MOOC 100 2 3- social network services SNS 4 2008 2009 2017-03-
1
Activity- based Cost Management: A New Mode of Medical cost Management () 1 Activity - based Cost Management A New Mode of Medical cost Management Abstract With the development of medical market, the defects
Microsoft Word - 1--齐继峰_new_.doc
45 6 Vol.45, No.6 2014 11 OCEANOLOGIA ET LIMNOLOGIA SINICA Nov., 2014 * 1, 2, 3 1, 2 1, 2 1, 2 (1. 266071; 2. 266071; 3. 100049) 1956 2005 PN, NCEP,, (PDO),, 19 33Sv, 24.30Sv(1Sv=10 6 m 3 /s);, 1956 2005
第二十四屆全國學術研討會論文中文格式摘要
以 田 口 動 態 法 設 計 物 理 治 療 用 牽 引 機 與 機 構 改 善 1, 2 簡 志 達 馮 榮 豐 1 國 立 高 雄 第 一 科 技 大 學 機 械 與 自 動 化 工 程 系 2 傑 邁 電 子 股 份 有 限 公 司 1 摘 要 物 理 治 療 用 牽 引 機 的 主 要 功 能 是 將 兩 脊 椎 骨 之 距 離 拉 開, 使 神 經 根 不 致 受 到 壓 迫 該 類 牽
第 37 卷 第 5 期 自 然 论 坛 亿, 相 当 于 总 人 口 的 1/4; 到 2050 年, 比 重 将 达 到 1/3, 相 当 于 三 个 人 中 就 有 一 个 老 年 人 2013 年 上 海 市 60 岁 及 以 上 老 年 人 口 为 387.62 万 人, 占 总 人 口
Chinese Journal of Nature Vol. 37 No. 5 NATURE FORUM doi:10.3969/j.issn.0253-9608.2015.05.007 医 学 模 式 和 健 康 服 务 12 姚 志 洪 1 中 国 科 学 院 上 海 健 康 科 学 研 究 所, 上 海 200025;2 上 海 交 通 大 学 医 学 院 附 属 瑞 金 医 院, 上 海 200025
西部人居环境学刊2016年第1期.indd
2016年第1期 / 西部人居环境学刊 / 095 风景园林设计与研究 DOI: 10.13791/j.cnki.hsfwest.20160116 金云峰, 杨玉鹏. 数字化设计与建造技术在景观中的应用研究[J]. 西部人居环境学刊, 2016, 31(01): 95-100. 数字化设计与建造技术在景观中的应用研究* The Application of Digital Design and Fabrication
标题
第 33 卷 第 3 期 医 学 研 究 与 教 育 Vol.33 No.3 2016 年 6 月 Medical Research and Education Jun.,2016 本 文 引 用 : 张 建 红, 刘 盼 英, 李 远, 等. 真 性 红 细 胞 增 多 症 的 中 医 辨 证 用 药 规 律 与 转 化 医 学 研 究 [ J ]. 医 学 研 究 与 教 育, 2016, 33
标题
第 46 卷 第 11 期 2 1 4 年 11 月 哈 尔 滨 工 业 大 学 学 报 JOURNAL OF HARBIN INSTITUTE OF TECHNOLOGY Vol 46 No 11 Nov 214 基 于 摄 像 测 量 法 的 在 轨 柔 性 结 构 模 态 参 数 辨 识 许 畅 王 聪 高 晶 波 张 春 芳 ( 哈 尔 滨 工 业 大 学 航 天 学 院 151 哈 尔 滨
一 课 程 负 责 人 情 况 姓 名 吴 翊 性 别 男 出 生 年 月 1948.08.28 1. 基 本 信 息 学 位 硕 士 职 称 教 授 职 务 所 在 院 系 理 学 院 数 学 与 系 统 科 学 系 电 话 13808485157 研 究 方 向 数 据 处 理 近 三 年 来
湖 南 省 普 通 高 等 学 校 省 级 精 品 课 程 复 核 申 报 表 学 校 名 称 : 课 程 名 称 : 课 程 负 责 人 : 立 项 时 间 : 国 防 科 技 大 学 概 率 论 与 数 理 统 计 吴 翊 2009 年 课 程 网 站 地 址 :jpkc2009.nudt.edu.cn/gllysltj jpkc.nudt.edu.cn/gltj 湖 南 省 教 育 厅 制 二
: (2012) Control Theory & Applications Vol. 29 No. 1 Jan Dezert-Smarandache 1,2, 2,3, 2 (1., ; 2., ;
29 1 2012 1 : 1000 8152(2012)01 0079 06 Control Theory & Applications Vol. 29 No. 1 Jan. 2012 Dezert-Smarandache 1,2, 2,3, 2 (1., 102249; 2., 264001; 3., 410073) :, Dezert-Smarandache (DSmT),. DSmT 3 :.,,
59 1 CSpace 2 CSpace CSpace URL CSpace 1 CSpace URL 2 Lucene 3 ID 4 ID Web 1. 2 CSpace LireSolr 3 LireSolr 3 Web LireSolr ID
58 2016. 14 * LireSolr LireSolr CEDD Ajax CSpace LireSolr CEDD Abstract In order to offer better image support services it is necessary to extend the image retrieval function of our institutional repository.
各 级 领 导 及 世 界 技 能 组 织 主 席 西 蒙 巴 特 利 参 观 深 圳 技 师 学 院 高 技 能 人 才 培 养 模 式 和 课 程 改 革 创 新 成 果 展 人 力 资 源 和 社 会 保 障 部 职 业 能 力 建 设 司 司 长 吴 道 槐 中 国 职 工 教 育 和 职
一体化课程的理念认识 加快高素质技能人才培养 助推产业转型升级 浅议技工院校如何结合专业课教学进行创业教育与实践 工学结合课程有效教学的学习目标探析 创新顶岗实习的管理 三导师制 的探索与实践 4 运用 三为循环法 提高技校班主任班级管理能力的研究 9 各 级 领 导 及 世 界 技 能 组 织 主 席 西 蒙 巴 特 利 参 观 深 圳 技 师 学 院 高 技 能 人 才 培 养 模 式 和 课
标题
第 19 卷 摇 第 4 期 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 模 式 识 别 与 人 工 智 能 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 Vol. 19 摇 No. 4 摇 006 年 8 月 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 PR & AI 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 Aug 摇 摇
[9] R Ã : (1) x 0 R A(x 0 ) = 1; (2) α [0 1] Ã α = {x A(x) α} = [A α A α ]. A(x) Ã. R R. Ã 1 m x m α x m α > 0; α A(x) = 1 x m m x m +
![[9] R Ã : (1) x 0 R A(x 0 ) = 1; (2) α [0 1] Ã α = {x A(x) α} = [A α A α ]. A(x) Ã. R R. Ã 1 m x m α x m α > 0; α A(x) = 1 x m m x m +](/thumbs/91/107439066.jpg "[9] R Ã : (1) x 0 R A(x 0 ) = 1; (2) α [0 1] Ã α = {x A(x) α} = [A α A α ]. A(x) Ã. R R. Ã 1 m x m α x m α > 0; α A(x) = 1 x m m x m +")
2012 12 Chinese Journal of Applied Probability and Statistics Vol.28 No.6 Dec. 2012 ( 224002) Euclidean Lebesgue... :. : O212.2 O159. 1.. Zadeh [1 2]. Tanaa (1982) ; Diamond (1988) (FLS) FLS LS ; Savic
20 20 th A n n i ve r s a r y o f U P D I S VOL.34 NO.8 AUG CITY PLANNING REVIEW 1 Fig.1 Location of Huaqiangbei 2 Fig.2 Aerial view
PLANNING RESPONDING TO RAPIDLY DEVELOPING AND EVOLVING AREA WITH MAR- KET ORIENTATION: A CASE STUDY ON HUAQIANGBEI AREA OF SHENZHEN HUANG Weidong; ZHANG Yuxian plan should focus on, namely, clarifying
标题
第 40 卷 第 7 期 2014 年 7 月 北 京 工 业 大 学 学 报 JOURNAL OF BEIJING UNIVERSITY OF TECHNOLOGY Vol. 40 No. 7 Jul. 2014 基 于 图 像 识 别 技 术 的 烟 包 封 条 缺 陷 检 测 赵 众, 常 灿, 陈 磊 ( 北 京 化 工 大 学 信 息 学 院, 北 京 100029) 摘 要 : 为 了
220 20, Vol. 32, No. 6 食 品 科 学 分 析 检 测 荡 体 系 被 用 来 检 测 和 鉴 别 组 成 极 其 复 杂 的 中 药 2007 年 [7-20] 张 泰 铭 等 提 出 了 中 药 非 线 性 化 学 指 纹 图 谱 的 概 念, 并 对 其 形 成 的 原
![220 20, Vol. 32, No. 6 食 品 科 学 分 析 检 测 荡 体 系 被 用 来 检 测 和 鉴 别 组 成 极 其 复 杂 的 中 药 2007 年 [7-20] 张 泰 铭 等 提 出 了 中 药 非 线 性 化 学 指 纹 图 谱 的 概 念, 并 对 其 形 成 的 原](/thumbs/42/22870184.jpg "220 20, Vol. 32, No. 6 食 品 科 学 分 析 检 测 荡 体 系 被 用 来 检 测 和 鉴 别 组 成 极 其 复 杂 的 中 药 2007 年 [7-20] 张 泰 铭 等 提 出 了 中 药 非 线 性 化 学 指 纹 图 谱 的 概 念, 并 对 其 形 成 的 原")
29 赵 哲, 张 泰 铭, *, 方 宣 启 2, 向 凤 琴, 乔 君 喜, 朱 蓉 (. 中 南 大 学 化 学 化 工 学 院, 湖 南 长 沙 40083;2. 湖 南 省 食 品 质 量 监 督 检 验 所, 湖 南 长 沙 40002) 通 过 向 稳 态 体 系 溴 酸 钠 - 硫 酸 锰 - 硫 酸 - 丙 酮 中 加 入 不 同 的 茶 饮 料, 获 得 来 自 不 同 产 家
专 技 能 1. 精 通 Matlab/Simulink 平 台 下 的 海 洋 运 载 器 运 动 控 制 系 统 与 仿 真 建 模 设 计 ; 2. 精 通 51 单 片 机 AVR 单 片 机 Arduino 开 源 板 的 开 发 和 设 计 ; 3. 精 通 基 于 Arduino 板
姓 名 董 早 鹏 性 别 男 出 生 年 月 1988 年 8 月 籍 贯 江 西 鹰 潭 基 本 情 况 政 治 面 貌 中 共 党 员 婚 姻 状 况 未 婚 最 高 学 历 工 学 博 士 外 语 水 平 英 语 六 级 联 系 方 式 电 话 :18945069498 E-mail:dongzaopeng@hrbeu.edu.cn 地 址 : 哈 尔 滨 市 南 岗 区 哈 尔 滨 工 程
标题
DOI:0.3878 / j.cnki.jnuist.206.03.009 来 鹏 赵 茹 蕾 郭 利 珍 银 行 客 户 定 期 存 款 认 购 的 统 计 决 策 研 究 摘 要 当 今 银 行 之 间 的 竞 争 日 益 加 剧, 能 有 效 地 挖 掘 潜 在 客 户 并 为 之 提 供 差 异 化 服 务, 对 提 高 银 行 竞 争 力 尤 为 重 要. 用 决 策 树 算 法 对 可
2013 年 7 月 总 第 235 期 主 办 单 位 : 中 国 科 学 院 自 动 化 研 究 所 CONTENTS 中 国 科 学 院 自 动 化 研 究 所 所 刊 卷 首 语 节 令 是 一 种 命 令 毕 淑 敏 1 聚 焦 CASIA 自 动 化 所 召 开 庆 祝 建 党 92 周
卷 首 语 首 节 令 是 一 种 命 令 文 / 毕 淑 敏 夏 初, 买 菜 老 人 对 我 说, 买 我 的 吧 看 他 的 菜 摊, 好 似 堆 积 着 银 粉 色 的 乒 乓 球 我 说, 这 么 小 啊, 还 青, 远 没 有 冬 天 时 我 吃 的 西 红 柿 好 老 人 不 悦 地 说, 冬 天 的 西 红 柿 算 什 么 西 红 柿! 吃 它 们 哪 里 是 吃 菜, 分 明 是
/MPa / kg m - 3 /MPa /MPa 2. 1E ~ 56 ANSYS 6 Hz (a) 一阶垂向弯曲 (b) 一阶侧向弯曲 (c) 一阶扭转 (d) 二阶侧向弯曲 (e) 二阶垂向弯曲 (f) 弯扭组合 2 6 Hz
31 3 Vol. 31 No. 3 218 9 Journal of Shijiazhuang Tiedao University Natural Science Edition Sep. 218 1 1 2 1 2 1 1. 543 2. 543 U462. 3 217-2 - 16 A 295-373 218 3-63 - 6 1-4 5-7 8-11 1 11 11 398 mm 86 mm
Microsoft Word - 机器学习与深度学习常见面试题（上）.docx
机器学习与深度学习常见面试题 ( 上 ) 一年一度的校园招聘已经开始了, 为了帮助参加校园招聘 社招的同学更好的准备面试, SIGAI 整理出了一些常见的机器学习 深度学习面试题 理解它们, 对你通过技术面试非常有帮助, 当然, 我们不能只限于会做这些题目, 最终的目标是真正理解机器学习与深度学习的原理 应用 1. 比较 Boosting 和 Bagging 的异同二者都是集成学习算法, 都是将多个弱学习器组合成强学习器的方法
Journal of Northwestern Polytechnical University Apr. Vol No. 2 ICM ICM ICM ICM ICM ICM TP A
2012 4 30 2 Journal of Northwestern Polytechnical University Apr. Vol. 30 2012 No. 2 ICM 710072 ICM ICM ICM ICM ICM TP391. 41 A 1000-2758 2012 02-0201-05 6 2001 Kinser Johnson ICM intersecting cortical
2016年度国家科学技术进步奖推荐公示表
2016 年 度 国 家 科 学 技 术 进 步 奖 推 荐 公 示 表 项 目 名 称 上 颈 椎 外 科 新 技 术 的 系 列 研 究 与 临 床 应 用 项 目 简 介 ( 限 1200 字 ): 上 颈 椎 损 伤 及 疾 患 是 脊 柱 外 科 常 见 及 难 治 伤 病, 其 病 理 转 归 是 寰 枢 椎 脱 位, 高 位 脊 髓 受 压, 致 残 率 超 过 80%, 死 亡 率
Improving the Effectiveness of the Training of Civil Service by Applying Learning Science and Technology: The Case Study of the National Academy of Ci
善 用 學 習 科 技 提 升 公 務 人 員 培 訓 之 效 能 : 以 國 家 文 官 學 院 學 習 科 技 之 建 構 與 運 用 為 例 蔡 璧 煌 鍾 廣 翰 摘 要 公 務 人 員 的 素 質 代 表 一 國 國 力, 除 攸 關 國 家 施 政 外, 也 影 響 國 家 整 體 之 發 展, 因 此 如 何 善 用 學 習 科 技 協 助 公 務 人 員 培 訓 與 管 理, 未 來
第二部分
中 国 农 通 报 0,7(04):478-48 Chinese Agricultural Science Bulletin 基 于 网 络 平 台 的 生 物 统 计 改 革 及 实 践 效 果 分 析 袁 文, 彭 惠 茹, 张 洪 亮, 刘 文 欣, 华 金 平, 苏 胜 宝, 孔 繁 玲 ( 中 国 农 大 科 技 术 发 展 研 究 院, 北 京 0093; 中 国 农 大 农 与 生 物
[1-3] (Smile) [4] 808 nm (CW) W 1 50% 1 W 1 W Fig.1 Thermal design of semiconductor laser vertical stack ; Ansys 20 bar ; bar 2 25 Fig
![[1-3] (Smile) [4] 808 nm (CW) W 1 50% 1 W 1 W Fig.1 Thermal design of semiconductor laser vertical stack ; Ansys 20 bar ; bar 2 25 Fig](/thumbs/91/106435555.jpg "[1-3] (Smile) [4] 808 nm (CW) W 1 50% 1 W 1 W Fig.1 Thermal design of semiconductor laser vertical stack ; Ansys 20 bar ; bar 2 25 Fig")
40 6 2011 6 Vol.40 No.6 Infrared and Laser Engineering Jun. 2011 808 nm 2000 W 1 1 1 1 2 2 2 2 2 12 (1. 710119 2. 710119) : bar 808 nm bar 100 W 808 nm 20 bar 2 000 W bar LIV bar 808 nm : : TN248.4 TN365
MHz 10 MHz Mbps 1 C 2(a) 4 GHz MHz 56 Msps 70 MHz 70 MHz 23 MHz 14 MHz 23 MHz 2(b)
2011 32 ANNALS OF SHANGHAI OBSERVATORY ACADEMIA SINICA No. 32, 2011 1,2,3 1 2,3 2,3 2,3 2 1 1 ( 1. 200030 2. 100094 3. 100094 ) V474 1 (CEI) ( VLBI ), CEI 100 nrad ( 50 km) CEI 10 100 km 2 2 2 CEI [1]
Microsoft Word - 793-797 tb20150504赵宏宇s-高校教改纵横.doc
微 生 物 学 通 报 Microbiology China tongbao@im.ac.cn Apr. 20, 2016, 43(4): 793 797 http://journals.im.ac.cn/wswxtbcn DOI: 10.13344/j.microbiol.china.150504 高 校 教 改 纵 横 生 物 工 程 专 业 发 酵 课 程 群 建 设 探 索 * 赵 宏 宇
Microsoft Word - A201210-60_1349949005.doc
5 10 15 20 25 一 种 针 对 在 线 旅 游 线 路 网 页 判 别 算 法 的 研 究 与 实 现 徐 显 炼, 郭 燕 慧 ( 北 京 邮 电 大 学 信 息 安 全 中 心, 北 京 100876) 摘 要 : 随 着 近 年 来 在 线 旅 游 业 的 快 速 发 展, 在 线 旅 游 搜 索 引 擎 己 经 成 为 当 前 搜 索 引 擎 发 展 的 一 个 热 门 方 向
中 国 癌 症 杂 志 2015 年 第 25 卷 第 4 期 317 诊 断 价 值, 发 现 其 受 试 者 工 作 特 征 曲 线 (receiver operating characteristic curve,roc) 下 面 积 (area under curve,auc) 为 0.82
316 中 国 癌 症 杂 志 2015 年 第 25 卷 第 4 期 CHINA ONCOLOGY 2015 Vol.25 No.4 甲 状 腺 癌 超 声 诊 断 的 研 究 进 展 费 腾 综 述, 陈 亚 青 审 校 上 海 交 通 大 学 医 学 院 附 属 新 华 医 院 超 声 科, 上 海 200092 [ 摘 要 ] 甲 状 腺 癌 的 发 病 率 占 内 分 泌 肿 瘤 首 位
填 表 说 明 1. 本 表 用 钢 笔 填 写, 也 可 直 接 打 印, 不 要 以 剪 贴 代 填 字 迹 要 求 清 楚 工 整 2. 本 表 所 填 内 容 必 须 真 实 可 靠, 如 发 现 虚 假 信 息, 将 取 消 所 在 学 院 参 评 资 格 3. 本 表 涉 及 的 项 目
成 都 理 工 大 学 优 秀 教 学 系 部 申 报 表 系 部 名 称 : 系 部 负 责 人 : 空 间 物 理 与 信 息 技 术 系 陆 从 德 所 在 学 院 : 地 球 物 理 学 院 成 都 理 工 大 学 教 务 处 制 二 一 三 年 填 表 说 明 1. 本 表 用 钢 笔 填 写, 也 可 直 接 打 印, 不 要 以 剪 贴 代 填 字 迹 要 求 清 楚 工 整 2. 本
LaDefense Arch Petronas Towers 2009 CCTV MOMA Newmark Hahn Liu 8 Heredia - Zavoni Barranco 9 Heredia - Zavoni Leyva
39 6 2011 12 Journal of Fuzhou University Natural Science Edition Vol 39 No 6 Dec 2011 DOI CNKI 35-1117 /N 20111220 0901 002 1000-2243 2011 06-0923 - 07 350108 105 m 14 69% TU311 3 A Seismic analysis of
2. 3. 1 2 TI 3 TI TABLE 4 RANDBIN 5 6 172 6 Research of Modern Basic Education 2012 6
6 2012 6 Research of Modern Basic Education Vol. 6 June 2012 201200 20 1. G 1976-171 2. 3. 1 2 TI 3 TI TABLE 4 RANDBIN 5 6 172 6 Research of Modern Basic Education 2012 6 1 GPS 4. 01 TI - nspire cx 1.
60 2006 7,.,,.. :,,. 2 211,:, ( 1 ). Π,.,.,,,.,.,. 1 : Π Π,. 212,. : 1)..,. 2). :, ;,,,;,. 3
2006 7 7 :100026788 (2006) 0720059207 1, 1, 2, 3 (11, 100080 ;21, 100089 ; 31, 621010) :.,,,;,,.,,,. : ;; ; : C931 : A Collaborative Models Research on Collaboration Systems in Farm2produce Circulation
(Electronic Data Interchange) (Executive Information System) (Economic Order Quantity) (Enterprise Resource Planning) (Flexible Manufacture System) (F
(Activity-Based Costing) (Activity-Based Budgeting) (Activity-Base Management) (Advanced Planning and Scheduling) Application Service Provider (Available To Promise) (Bill Of Material) (Business Process
2014年西南大学暑期培训班招生通知
第 四 届 全 国 脑 影 像 暑 期 工 作 坊 脑 科 学 与 类 脑 研 究 : 神 经 影 像 数 据 分 析 与 应 用 (2016 第 二 轮 通 知 ) 主 办 单 位 : 西 南 大 学 心 理 学 部 西 南 大 学 研 究 生 院 一 会 议 简 介 脑 科 学 与 类 脑 智 能 已 成 为 世 界 各 国 科 技 角 逐 的 热 点 我 国 即 将 启 动 的 脑 计 划 包
Microsoft Word 任 辉_new_.doc
土壤 (Soils), 2014, 46(2): 373 378 1 基于地物驱动要素的住宅地价空间模拟研究 以南京市为例 1, 2, 3 (1 410128 2 210095 3 210098) GIS F301.4 [1] Bruechner [2] Capozza Sick [3] 20 90 [4 6] [7 9] GIS 1 1.1 GIS [10] [11] (12QN57) (09&ZD046)
2014 年 11 月 总 第 251 期 主 办 单 位 : 中 国 科 学 院 自 动 化 研 究 所 CONTENTS 中 国 科 学 院 自 动 化 研 究 所 所 刊 卷 首 语 赠 人 一 片 云 1 科 研 动 态 与 学 术 交 流 自 动 化 所 人 脸 识 别 技 术 在 首 届
卷 首 语 首 赠 人 一 片 云 世 间 人 情 多 讲 究 赠 人 以 物, 而 物 尽 必 然 情 非 我 赠 人 以 云, 君 行 千 里, 抬 头 便 见 白 云, 还 怕 断 了 友 情 不 成? 人 间 冷 暖 是 人 最 在 乎 的, 人 与 人 的 交 往 也 往 往 就 在 这 冷 暖 二 字 上 你 赠 物 于 他 并 不 能 心 暖, 而 赠 他 一 份 真 情 可 能 就
第 35 卷第 期计算机应用研究 Vol. 35 No. 优先出版 Application Research of Computers Online Publication 基于边缘检测的卷积核数量确定方法 * 文元美, 余霆嵩, 凌永权 ( 广东工业大学信息工程学院, 广州 50006) 摘要 :
基于边缘检测的卷积核数量确定方法 作者机构基金项目预排期卷摘要关键词作者简介中图分类号访问地址发布日期 文元美, 余霆嵩, 凌永权广东工业大学信息工程学院国家自然科学基金资助项目 (637273,66763); 广东省研究生教育创新计划资助项目 (204QTLXXM8) 计算机应用研究 208 年第 35 卷第 期针对卷积神经网络中卷积核数量多凭经验确定的问题, 提出了一种统计图像边缘信息来确定卷积核数量的方法
( s y s t e m ) ( s t r e s s ) (stress model) ( s y s t e m ) [ ] [ 5 ] C o x [ 3 ] 1 [ 1, 2 ] [ 6-8 ] [ 9 ] Tw Fam Med Res 2003 Vol.1 No.1 23
![( s y s t e m ) ( s t r e s s ) (stress model) ( s y s t e m ) [ ] [ 5 ] C o x [ 3 ] 1 [ 1, 2 ] [ 6-8 ] [ 9 ] Tw Fam Med Res 2003 Vol.1 No.1 23](/thumbs/88/115745072.jpg "( s y s t e m ) ( s t r e s s ) (stress model) ( s y s t e m ) [ ] [ 5 ] C o x [ 3 ] 1 [ 1, 2 ] [ 6-8 ] [ 9 ] Tw Fam Med Res 2003 Vol.1 No.1 23")
1, 4 1, 2 3 1 4 1, 2 1977 E n g e l 1999 5 1 ( 1 ) ( 2 ) ( 3 ) ( 4 ) ( 5 ) 2003 1 2 2-32 stress model, stress analysis [ 1 ] ( p s y c h o g e n e s i s ) (holism) (biomedical model) ( r e d u c t i o