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
共找到4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：
基于不同算法预测模型在阻塞性睡眠呼吸暂停低通气综合征中的比较
1
作者 刘康 刘稳 +3 位作者 周鹏 耿诗 神平 赵蕾 《中国耳鼻咽喉头颈外科》 CSCD 2023年第7期467-470,共4页
目的 基于不同算法对阻塞性睡眠呼吸暂停低通气综合征(OSAHS)患者进行建模,比较四种模型的受试者工作曲线下面积(AUC)、准确率、灵敏度与特异性,以建立自动筛选和诊断OSAHS的机器学习预测模型。方法 回顾性分析2019年10月~2022年10月于... 目的 基于不同算法对阻塞性睡眠呼吸暂停低通气综合征(OSAHS)患者进行建模,比较四种模型的受试者工作曲线下面积(AUC)、准确率、灵敏度与特异性,以建立自动筛选和诊断OSAHS的机器学习预测模型。方法 回顾性分析2019年10月~2022年10月于徐州医科大学附属医院行多导睡眠监测的277例患者,以人口学信息、病史、ESS作为预测变量,采用单因素分析筛选出具有明显差异的变量,然后分别建立轻量级梯度提升机(LightGBM)模型、逻辑回归(LR)模型、极限梯度提升(XGBoost)模型及支持向量机(SVM)模型,采用AUC评价模型性能。结果 LR预测的准确率为0.91,AUC为0.97;XGBoost的预测准确率为0.94,AUC为0.97;LightGBM的预测准确率为0.93,AUC为0.98;SVM的准确率为0.89,AUC为0.95。结论 LR、SVM、XGBoost、LightGBM对OSAHS预测效果均较好,LightGBM的效果最佳。 展开更多
关键词 机器学习(Machine Learning) 睡眠呼吸暂停 阻塞性(Sleep Apnea Obstructive) 预测模型(predictive models) 轻量级梯度提升机(light gradient boosting machine)
下载PDF
GE INNOVA系列数字减影血管造影机电力电器电源故障分析与处理
2
作者 李运运 郑天雷 +3 位作者 陈飞宇 张仕锦 沙俊诚 耿诗 《医疗装备》 2023年第8期118-120,共3页
随着影像技术的发展,数字减影血管造影机(digital subtraction angiography machine,DSA)因其在血管成像领域的独特优势,被广泛应用于血管、肿瘤等多种疾病的诊断和治疗中[1-3]。近年来,随着各级诊疗机构胸痛中心、卒中中心的建立,DSA... 随着影像技术的发展,数字减影血管造影机(digital subtraction angiography machine,DSA)因其在血管成像领域的独特优势,被广泛应用于血管、肿瘤等多种疾病的诊断和治疗中[1-3]。近年来,随着各级诊疗机构胸痛中心、卒中中心的建立,DSA设备作为必要的诊疗设备被大量购置。但随着DSA设备数量不断增加,由于其体积庞大、设计精密、结构复杂,且使用时间过长,故障率也逐渐增加,其中以电源故障最为常见[4]。 展开更多
关键词 数字减影血管造影机 PDB电源 故障处理
下载PDF
江西省民办高校自考生自主学习能力现状调查及指导研究 被引量：2
3
作者 杨小东 何新基 耿诗 《教育与职业》 北大核心 2012年第8期174-176,共3页
本研究从学习主动性、学习能动性和课堂学习认真度三个维度对南昌市三所民办高校在校自考生自主学习能力现状进行了问卷调查,结果显示:自考生的学习主动性不强,学习能动性较差,课堂学习认真度有待提高。要提高自考生的自主学习能力,应... 本研究从学习主动性、学习能动性和课堂学习认真度三个维度对南昌市三所民办高校在校自考生自主学习能力现状进行了问卷调查,结果显示:自考生的学习主动性不强,学习能动性较差,课堂学习认真度有待提高。要提高自考生的自主学习能力,应注重提升自考生的自主学习意识,激发自考生自主学习的内在动机,构建自考生网络学习支持服务平台。 展开更多
关键词 自考生 自主学习能力 民办高校
下载PDF
一种基于Faster R-CNN的甲状腺结节超声图像目标检测改进算法 被引量：1
4
作者 郑天雷 杨娜 +4 位作者 耿诗 赵先云 王跃 程德强 赵蕾 《四川大学学报（医学版）》 CAS CSCD 北大核心 2023年第5期915-922,共8页
目的为提高超声图像中甲状腺结节目标检测精度,提出一种基于Faster R-CNN的甲状腺结节目标检测改进算法。方法该算法采用结合了可变形卷积(deformable convolution,DC)的ResNeSt50作为主干网络,提高对形状不规则结节的检测效果。并在主... 目的为提高超声图像中甲状腺结节目标检测精度,提出一种基于Faster R-CNN的甲状腺结节目标检测改进算法。方法该算法采用结合了可变形卷积(deformable convolution,DC)的ResNeSt50作为主干网络,提高对形状不规则结节的检测效果。并在主干网络后方引入特征金字塔网络(feature pyramid networks,FPN)和感兴趣区域对齐,前者用于减少甲状腺结节漏检误检现象,后者用于提高小尺寸结节的检测精度。此外,在算法训练的反向传播过程中,使用由锐度感知最小化(sharpness-aware minimization,SAM)改进优化器进行参数更新,提高算法的泛化能力。结果实验采用来自徐州医科大学附属医院及南京市第一医院6261张甲状腺超声图像,对改进算法的有效性进行对比评估。实验表明,该算法具有一定的优化效果,最终在测试集的AP50高达97.4%,AP@50:5:95较原始模型也提升了10.0%。与原始模型和现有模型相比改进算法有着更高的检测精度,能更精准地检测甲状腺结节,特别在较低的检测框精度要求下有着较高的召回率。结论本研究提出的改进方法是有效的甲状腺结节目标检测算法,能精准地检测出甲状腺结节。 展开更多
关键词 甲状腺结节 超声图像 Faster R-CNN 目标检测 ResNetSt50
原文传递
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
使用帮助 返回顶部