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:在认定甲状腺滤泡性腺瘤与滤泡性腺癌的细胞核形态指标存在显著差异的条件下,对两类样本通过逐步判别分析筛选出鏊别能力较强的少数几个指标,并运用距离判别分析建立了甲状腺滤泡性腺瘤与滤泡性腺癌的判别函数,为临床病理诊断提供辅助诊断方法.
简介:研究了68个TR(ThyroidHormoneReceptor,甲状腺激素受体)配体化合物的化学结构与活性的定量构效关系.采用实验室新近提出的三维原子场全息相互作用矢量,对化合物进行了结构参数化表达,采用逐步回归对变量进行筛选后,建立了定量构效关系模型.复相关系数和交互检验复相关系数R^2=0.767,Q^2=0.625(TRα),R^2=0.734,Q^2=0.61(TRβ).模型具有良好的稳定性和预测能力,证明了该三维原子场全息相互作用矢量在分子结构表征和生物活性预测上的适用性,并可应用于潜在和新型的TR配体化合物的设计和开发.
简介:每股收益是指普通股每股所能分摊到的净收益,计算公式为:每股收益=(净利润-优先股股利)/已发行在外股票的加权平均数。每股收益在本质上是法律赋予股东的股利,在企业财务指标中具有评价收益状况、引导投资决策功能,是具有综合性的一个核心指标,被投资者认为是是否进行投资的指示器。尽管每股收益一直被认为是评价企业盈利能力的一个重要指标,但笔者认为在利用每股收益评价企业盈利能力之前,应对每股收益有一个充分的认识,以便能正确引导投资者进行投资。在笔者看来,每股收益不宜单独作为引导投资者进行投资或评价企业盈利能力的重要指标。针对每股收益的计算公式,本文从计算公式的分子、分母两个方面进行论述。
简介:介绍PID控制器的计算机仿真实验教学法。首先在Matlab中应用Simulink模块构建一个基于PID控制器的自动控制系统。然后通过仿真运行系统,对系统的动态响应曲线进行观察和比较,分析了PID控制器中比例、微分和积分各环节所起的作用。通过实验观察和分析,使学生对PID控制器各环节的作用有了直观明确的认识,取得了良好的教学效果。