简介:以卷积神经网络为代表的深度学习算法在医学影像分析领域正引起广泛美注,并取得了令人惊叹的进步。为了进一步提高卷积神经网络在计算机辅助筛查肺结节应用的准确率,本文设计了2种改良的深度卷积神经网络,这些改进加快了神经网络的训练速度.有效地防止了算法的过拟合。相比只采用二维卷积核的其他检测模型,该模型能够有效地学习到CT影像三维重建后的图像特征。通过实验,改进的检测模型在LUNAl6数据集上的准确率明显好于其他模型,这种网络结构也可用于医学影像领域中其他三维图像的检测场景。最后,构建了一套适用于远程医疗的“计算机辅助肺癌筛查与诊断系统”,该系统能够自动检测出CT影像中肺结节,并给出结节的良恶性概率评估。通过该系统的应用,可以有效缓解放射科医生超高的劳动强度,提高阀片效率,服务更多患者;减少漏诊和误诊发生的次数,有助于提高肺结节的诊断准确率;从而促进我国肺癌早筛工作的推广。
简介:研究具有可选服务的M/M/1排队模型的主算子在左半实轴上的点谱.当顾客的到达率λ,必选服务的服务率μ1与可选服务的服务率μ2满足λ/μ1+λμ2〈1时,证明区间(η,-λ)中的所有点都是该主算子的几何重数为1的特征值,其中η=max{-μ1,-μ2,-4/3λ,-2λμ2/μ1+μ2-λ,-μ1μ2(μ1μ2-λμ1-λμ2)+λ3μ1(1-r)/[μ12(μ2-λ)+μ1μ2(μ1-λ)](1-r)+λ2μ1-λ},r表示顾客选择可选服务的概率.