期刊导航
期刊开放获取
cqvip
退出
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
2
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式:
文摘
详细
列表
相关度排序
被引量排序
时效性排序
关于建设工程质量监督管理模式研究
1
作者
刘
紫龙
《中文科技期刊数据库(全文版)工程技术》
2021年第10期1-3,共3页
目前阶段我国建筑产业的发展十分迅猛,已经成为我国国民经济中一个十分重要的部分。随着建筑规模的不断扩大,建筑质量自然受到大众的广泛关注。在当前新的形势下,如何充分实现建设工程质量多方面监督,从根本上保障工程质量,成为当前需...
目前阶段我国建筑产业的发展十分迅猛,已经成为我国国民经济中一个十分重要的部分。随着建筑规模的不断扩大,建筑质量自然受到大众的广泛关注。在当前新的形势下,如何充分实现建设工程质量多方面监督,从根本上保障工程质量,成为当前需要重点解决的问题。本文针对建设工程质量监督管理模式进行探讨分析,希望能为相关人员带来一些参考。
展开更多
关键词
建设工程
质量监督管理模式
探究
下载PDF
职称材料
基于级联卷积神经网络的前列腺磁共振图像分类
被引量:
10
2
作者
刘
可文
刘
紫龙
+4 位作者
汪香玉
陈黎
李钊
吴光耀
刘
朝阳
《波谱学杂志》
CAS
北大核心
2020年第2期152-161,共10页
针对深度学习训练成本高,以及基于磁共振图像的前列腺癌临床诊断需要大量医学常识且极为耗时的问题,本文提出了一种基于级联卷积神经网络(Convolutional Neural Network,CNN)和磁共振图像的前列腺癌(Prostate Cancer,PCa)自动分类诊断方...
针对深度学习训练成本高,以及基于磁共振图像的前列腺癌临床诊断需要大量医学常识且极为耗时的问题,本文提出了一种基于级联卷积神经网络(Convolutional Neural Network,CNN)和磁共振图像的前列腺癌(Prostate Cancer,PCa)自动分类诊断方法,该网络以Faster-RCNN作为前网络,对前列腺区域进行提取分割,用于排除前列腺附近组织器官的干扰;以基于ResNet改进的网络结构CNN40bottleneck作为后网络,用于对前列腺区域病变进行分类.后网络由瓶颈结构串联组成,其中使用批量标准化(Batch Normalization,BN)、全局平均池化(Global Average Pooling,GAP)进行优化.实验结果证明,本文方法对前列腺癌诊断结果较好,而且缩减了训练时间和参数量,有效降低了训练成本.
展开更多
关键词
磁共振成像(MRI)
级联卷积神经网络(Cascaded
CNN)
前列腺癌(PCa)
分类
下载PDF
职称材料
题名
关于建设工程质量监督管理模式研究
1
作者
刘
紫龙
机构
滨州市建设工程质量安全服务中心
出处
《中文科技期刊数据库(全文版)工程技术》
2021年第10期1-3,共3页
文摘
目前阶段我国建筑产业的发展十分迅猛,已经成为我国国民经济中一个十分重要的部分。随着建筑规模的不断扩大,建筑质量自然受到大众的广泛关注。在当前新的形势下,如何充分实现建设工程质量多方面监督,从根本上保障工程质量,成为当前需要重点解决的问题。本文针对建设工程质量监督管理模式进行探讨分析,希望能为相关人员带来一些参考。
关键词
建设工程
质量监督管理模式
探究
分类号
TU712.3 [建筑科学—建筑技术科学]
下载PDF
职称材料
题名
基于级联卷积神经网络的前列腺磁共振图像分类
被引量:
10
2
作者
刘
可文
刘
紫龙
汪香玉
陈黎
李钊
吴光耀
刘
朝阳
机构
武汉理工大学信息工程学院
波谱与原子分子物理国家重点实验室
深圳市第二人民医院医学影像科
深圳大学总医院医学影像科
出处
《波谱学杂志》
CAS
北大核心
2020年第2期152-161,共10页
基金
国家重点研发计划资助项目(2018YFC0115100).
文摘
针对深度学习训练成本高,以及基于磁共振图像的前列腺癌临床诊断需要大量医学常识且极为耗时的问题,本文提出了一种基于级联卷积神经网络(Convolutional Neural Network,CNN)和磁共振图像的前列腺癌(Prostate Cancer,PCa)自动分类诊断方法,该网络以Faster-RCNN作为前网络,对前列腺区域进行提取分割,用于排除前列腺附近组织器官的干扰;以基于ResNet改进的网络结构CNN40bottleneck作为后网络,用于对前列腺区域病变进行分类.后网络由瓶颈结构串联组成,其中使用批量标准化(Batch Normalization,BN)、全局平均池化(Global Average Pooling,GAP)进行优化.实验结果证明,本文方法对前列腺癌诊断结果较好,而且缩减了训练时间和参数量,有效降低了训练成本.
关键词
磁共振成像(MRI)
级联卷积神经网络(Cascaded
CNN)
前列腺癌(PCa)
分类
Keywords
magnetic resonance imaging(MRI)
cascaded convolutional neural network(Cascaded CNN)
prostate cancer(PCa)
classification
分类号
O482.53 [理学—固体物理]
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
关于建设工程质量监督管理模式研究
刘
紫龙
《中文科技期刊数据库(全文版)工程技术》
2021
0
下载PDF
职称材料
2
基于级联卷积神经网络的前列腺磁共振图像分类
刘
可文
刘
紫龙
汪香玉
陈黎
李钊
吴光耀
刘
朝阳
《波谱学杂志》
CAS
北大核心
2020
10
下载PDF
职称材料
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部