公共文化服务平台

共 7 条记录，以下是 1-7

全选清除导出

排序方式：

基于粒子对和极值优化的基因聚类混合算法研究: 随着人类基因组计划的完成,生命科学的研究进入到后基因组时代,研究的重点已变为确定每条基因在生物体中的功能以及基因之间相互作用和调控的关系。作为后基因组时代功能基因组研究最基本的实验手段,基因芯片一次实验可以同时观测成千上...; 禤浚波; 关键词：生物信息学基因聚类混合算法; 文献传递

基于改进U-Net和X线片的脊柱侧弯Cobb角自动测量算法研究: 2024年; 脊柱侧弯是影响人类健康的疾病之一,Cobb角的准确计算是临床上确定脊柱侧弯分型和制定诊疗方案的关键。针对人工测量Cobb角存在耗时长、不够准确、效率低下等问题,本文设计了一种基于改进U-Net的脊柱侧弯Cobb角自动测量方法。由经验丰富的脊柱外科医生使用LabelMe工具对200例脊柱侧弯患者的X线片数据集进行标注。采用ResNet50作为主干网络改进基本的语义分割模型U-Net,并与另外2个语义分割模型DeeplabV3和PSPNet在脊柱侧弯X线片数据集上分别进行训练。实验结果表明,改进的U-Net模型的平均交并比(mean intersection over union,MIOU)值达到了94.72%,分别比PSPNet和DeeplabV3模型的MIOU值提升了5.36%和2.30%。最后,基于改进的U-Net模型设计了脊柱侧弯Cobb角的自动测量算法,并开发了可视化的自动测量软件。经过实际测试,发现在常规的电脑上输入一张患者的X线片,只需6.3 s即可自动计算Cobb角大小,其速度远快于医生手动测量,显著提高了医生的工作效率,表明本文设计的脊柱侧弯Cobb角自动测量方法是有效的。; 禤浚波梁英豪梁淑慧张绿云张绿云柯宝毅马文宇李成; 关键词：脊柱侧弯 X线图像 COBB角

基于Swin Transformer和卷积注意力的乳腺癌病理图像诊断研究: 2024年; 为了降低由于医生阅片疲劳或经验不足而可能导致的漏诊或误诊问题,提高医生诊断乳腺癌病理图像的准确性和工作效率,文中采用北京大学国际医院提供的公开的最大乳腺癌病理组织图像数据集,包括正常、良性病变、原位癌和浸润癌四种类型,并提出了一种基于Swin Transformer和卷积注意力机制的乳腺癌病理图像诊断方法,给出了诊断算法的框架和处理流程,在评价指标方面取得了96.93%的精确率、97.82%的召回率和97.74%的准确率,与常用的卷积神经网络ResNet152、VGG16相比,精确率和准确率都是最高的,从而证明提出的方法是有效的。最后,基于Flask技术和Swin Transformer开发了可视化的乳腺癌病理图像诊断软件,只需提供一张患者的乳腺癌病理组织图像,10 s左右即可自动输出诊断结果,可以极大地提高医生的工作效率。; 禤浚波周立广梁英豪梁淑慧付志鸿关志广毕明霞; 关键词：乳腺癌病理图像 FLASK

基于结果类型分组的XML关键字查询被引量：1: 2011年; 提出了基于结果类型分组的XML(extensible markup language,可扩展标志语言)关键字查询算法。采用熵值赋权法确定结果类型,继而对XML文档节点虚拟分组,并在虚拟组的基础上给出了相应的查询算法,不仅确保了结果信息的完整,避免了丢失某些有意义结果和返回无意义结果的现象。实验结果表明,所提出算法与SLCA、MLCEA相比,在查询质量、效率及稳定性上有一定提高。; 王珍珍吴小霞张超英禤浚波覃章荣; 关键词：可扩展标志语言关键字查询

基于粒子对和极值优化的基因聚类混合算法研究被引量：2: 2011年; 针对粒子对算法存在过早陷入局部最优导致精度不是很高的问题,建议了一种新的基于粒子对(PPO)与极值优化(EO)混合算法。该算法利用PPO和EO的优点,借助K-means快速聚类的结果初始化其中一个粒子,并根据一定迭代次数在精英粒子对的迭代过程中引入EO算法,在保证算法收敛的同时避免后期过早陷入局部最优,从而提高聚类结果的精度。将混合算法应用于真实的基因表达数据。实验结果表明,混合算法比K-means和粒子对算法具有更好的聚类精度和稳定性。; 禤浚波吴小霞王珍珍张超英; 关键词：基因聚类 K-MEANS算法混合算法

基于ASP.NET的高校工资查询管理系统的开发与实现被引量：1: 2015年; 文章主要探讨基于ASP.NET的高校工资查询管理系统的开发与实现技术。针对开发过程中需要动态显示教职工的工资字段问题,建议了采用B/S模式以及ASP.NET+SQLServer的技术解决方案,实现了每个教职工动态查询显示自己的工资字段,提高了工资科的工作效率,达到了预期的设计目标,具有一定的实用意义。; 禤浚波王珍珍任子亭廖荣升; 关键词：B/S ASP.NET SERVER

基于粒子对和差分进化的基因表达数据聚类被引量：1: 2012年; 针对粒子对算法存在过早陷入局部最优导致聚类精度不高以及聚类结果对初始粒子比较敏感等问题,提出了一种新的基于粒子对(PPO)与差分进化(DE)混合算法。该混合算法结合PPO和DE的优点,根据一定的迭代次数在精英粒子对迭代过程中引入DE算法,借助DE算法的全局收敛能力避免PPO算法过早陷入局部最优的缺点,并借助K-means快速聚类的结果和PSO聚类结果初始化粒子位置,提高初始粒子的质量从而提高聚类结果精度。将混合算法应用于真实的基因表达数据,实验结果表明,混合算法比K-means和PPO算法具有更好的聚类结果和稳定性。; 禤世丽杨秋叶张超英禤浚波; 关键词：基因聚类 K-MEANS算法差分进化混合算法

全选清除导出

共1页<1>

禤浚波