全文获取类型
收费全文 | 219篇 |
免费 | 10篇 |
国内免费 | 3篇 |
专业分类
基础医学 | 20篇 |
口腔科学 | 1篇 |
临床医学 | 25篇 |
内科学 | 15篇 |
皮肤病学 | 2篇 |
神经病学 | 14篇 |
特种医学 | 10篇 |
外科学 | 4篇 |
综合类 | 57篇 |
预防医学 | 24篇 |
眼科学 | 3篇 |
药学 | 22篇 |
中国医学 | 29篇 |
肿瘤学 | 6篇 |
出版年
2022年 | 1篇 |
2020年 | 4篇 |
2019年 | 1篇 |
2018年 | 3篇 |
2017年 | 6篇 |
2016年 | 6篇 |
2015年 | 5篇 |
2014年 | 10篇 |
2013年 | 11篇 |
2012年 | 10篇 |
2011年 | 9篇 |
2010年 | 20篇 |
2009年 | 12篇 |
2008年 | 12篇 |
2007年 | 15篇 |
2006年 | 19篇 |
2005年 | 10篇 |
2004年 | 13篇 |
2003年 | 6篇 |
2002年 | 16篇 |
2001年 | 7篇 |
2000年 | 2篇 |
1999年 | 3篇 |
1998年 | 4篇 |
1997年 | 3篇 |
1996年 | 2篇 |
1995年 | 4篇 |
1994年 | 3篇 |
1993年 | 4篇 |
1992年 | 1篇 |
1991年 | 1篇 |
1990年 | 1篇 |
1989年 | 2篇 |
1988年 | 3篇 |
1987年 | 1篇 |
1986年 | 1篇 |
1984年 | 1篇 |
排序方式: 共有232条查询结果,搜索用时 0 毫秒
231.
232.
目的针对CBCT图像中肿瘤与周围组织对比度低的缺点, 研究一种适合于CBCT图像中中心型肺癌的自动分割方法。方法收集221例中心型肺癌患者, 其中176例行CT定位, 45例行强化CT定位。将强化CT图像分别设置为肺窗和纵隔窗, 并与首次CBCT验证图像进行弹性配准获得配对数据集;然后将配对数据集传入cycleGAN网络进行风格迁移, 使得CBCT图像可分别转化为肺窗和纵隔窗下的"强化CT";最后经风格迁移后的图像被载入UNET-attention网络对大体肿瘤体积进行深度学习。通过戴斯相似性系数(DSC)、豪斯多夫距离(HD)和受试者工作特征曲线下面积(AUC)对分割结果进行评价。结果经风格迁移后肿瘤与周围组织对比度明显增强, 采用cycleGAN+UNET-attention网络的DSC值为0.78±0.05, HD值为9.22±3.42, AUC值为0.864。结论采用cycleGAN+UNET-attention网络可有效对CBCT图像中中心型肺癌进行自动分割。 相似文献