全文获取类型
收费全文 | 100篇 |
免费 | 18篇 |
国内免费 | 7篇 |
专业分类
基础医学 | 26篇 |
临床医学 | 9篇 |
内科学 | 4篇 |
神经病学 | 4篇 |
特种医学 | 2篇 |
外科学 | 1篇 |
综合类 | 20篇 |
预防医学 | 43篇 |
眼科学 | 1篇 |
药学 | 11篇 |
中国医学 | 1篇 |
肿瘤学 | 3篇 |
出版年
2023年 | 14篇 |
2022年 | 16篇 |
2021年 | 8篇 |
2020年 | 3篇 |
2019年 | 4篇 |
2018年 | 2篇 |
2016年 | 1篇 |
2015年 | 3篇 |
2013年 | 5篇 |
2012年 | 2篇 |
2011年 | 6篇 |
2010年 | 7篇 |
2009年 | 5篇 |
2008年 | 5篇 |
2007年 | 3篇 |
2006年 | 2篇 |
2005年 | 2篇 |
2004年 | 2篇 |
2002年 | 2篇 |
2001年 | 1篇 |
2000年 | 3篇 |
1999年 | 5篇 |
1998年 | 2篇 |
1997年 | 3篇 |
1996年 | 2篇 |
1995年 | 1篇 |
1994年 | 2篇 |
1993年 | 7篇 |
1992年 | 3篇 |
1991年 | 2篇 |
1990年 | 1篇 |
1989年 | 1篇 |
排序方式: 共有125条查询结果,搜索用时 31 毫秒
1.
目的:利用3D深度残差网络和多模态MRI实现对脑胶质瘤的自动分级。方法:利用BraTS2020公共数据集的293例高级别胶质瘤(HGG)和76例低级别胶质瘤(LGG)的多模态MRI数据训练和测试3D深度残差卷积网络模型。多模态MRI图像经过3D剪裁、重采样和归一化的预处理,随机分组为训练(64%)、验证(16%)和测试(20%)样本,将预处理后的多模态MRI图像和分级标注输入到网络模型进行训练、验证和测试。利用准确率(ACC)和受试者工作特征(ROC)曲线下面积(AUC)评价分级结果。结果:在59例(48例HGG和11例LGG)验证数据集上,ACC和AUC分别为0.93和0.97,在75例(62例HGG和13例LGG)测试数据集上,ACC和AUC分别为0.89和0.93。结论:3D深度残差网络在多模态MRI数据集上获得了较好的脑胶质瘤自动分级结果,可以为确定治疗方案和预测预后方面提供重要参考。 相似文献
2.
目的 探讨logistic回归中不同Pearson残差估计方法的差异,为回归诊断时残差估计方法及软件的选择提供参考.方法 通过对代表不同数据类型的两个实例构建logistic回归模型,并使用分别代表不同估计方法的SPSS与STATA软件计算其Pearson残差值,分析比较二者的异同.结果 Logistic回归模型的两种Pearson残差估计方法对协变量组数等于或近似等于研究对象个体数的数据的计算结果一致,而对协变量组数远小于研究对象个体数的数据的计算结果差异较大.结论 Logistic回归的两种Pearson残差估计方法在理论和应用上均有一定差异,针对协变量组数远小于研究对象个体数的数据,如何选择适当的Pearson残差估计方法,值得进一步深入研究. 相似文献
3.
目的 构建颈动脉斑块超声图像数据集并探讨深度学习技术对颈动脉斑块自动分类诊断的应用价值。方法 首先采集254例患者和354例正常人的颈部动脉超声图像,每例采集2幅图像,构建共包含1216幅图像的颈动脉超声图像数据集;然后,基于已构建的颈动脉超声图像数据集对传统的HOG+SVM方法和14种不同结构的深度神经网络模型进行训练;最后,通过三个量化指标(分类精确率、召回率和F1值)确定现有的颈动脉斑块超声图像分类性能最好的深度神经网络模型。 结果 通过综合比较15种不同的颈动脉斑块超声图像分类方法,得出性能最好的模型是深度残差网络模型ResNet50,其精确率、召回率和F1值分别为97.36%、97.32%和97.34%。 结论 本文通过数据集构建、模型选择、模型训练和测试验证了深度学习技术在颈动脉斑块超声图像自动诊断应用中的有效性,其中深度残差网络模型ResNet50对颈动脉超声图像能进行高准确度自动分类。 相似文献
4.
5.
痢疾是《中华人民共和国传染病防治法》中规定的乙类传染病,是夏秋季常见的急性肠道传染病,其流行范围广、传播快、发病率高,危害人类健康[1].研究痢疾的发病规律与影响因素对痢疾的疫情进行预测和分析可以为痢疾的预防控制、资源配置提供科学依据.痢疾发病数的时间序列中包含大量的信息,是建模和预测的主要依据.时间序列资料往往具有长期趋势、季节性、周期性、短期波动和不规则变动等特点[2-3],同时其另一个重要特点就是序列自相关性.忽略序列自相关性会导致参数估计不再具有方差最小性,有可能使本来无效应的因素误判为有效应[4].本研究通过对1990-2009年江苏省传染病疫情直报系统中南京市痢疾发病资料进行分析,旨在识别序列自相关性,并对其进行修正,使拟合效果达到最优,为痢疾的防治提供依据. 相似文献
6.
目的研究恶性肿瘤的流行趋势及其预测,为恶性肿瘤的综合防治提供准确、可靠、科学的依据。方法 根据香港特别行政区居民2001-2009年恶性肿瘤死亡资料建立灰色系统残差GM(1,1)模型与Verhulst模型,预测2001-2009年该市居民恶性肿瘤流行趋势。结果恶性肿瘤病死率趋势残差GM(1,1)模型精度检验结果显示:C=0.29,P=1.00,平均相对误差为1.01%,模型判为优。应用残差GM(1,1)预测2010-2013年恶性肿瘤病死率分别为183.2/10万、184.6/10万、186.1/10万和187.6/10万;用相邻做差的方式建立2002-2009年每年新增病死人数序列,每年新增病死人数的灰色Verhulst模型精度检验结果显示:C=0.634 2,P=0.45,平均相对误差为67.88%,模型结果提示效果较差。结论 分析结果说明香港特别行政区居民恶性肿瘤死亡率呈持续增加趋势,同时Verhulst模型结果提示香港每年新增病死人数尚未达到饱和状态,即未来几年每年新增恶性肿瘤死亡人数可能会有较大增幅。 相似文献
7.
灰色系统残差GM(1,1)模型在流脑流行趋势预测中的应用 总被引:1,自引:0,他引:1
目的 研究流脑的流行趋势及其预测 ,为流脑的综合防治提供准确、可靠、科学的依据。 方法 应用灰色系统理论对远安县 1984~ 1999年的流脑疫情资料进行分析 ,建立残差 GM(1,1)预测模型 ,并与灰色系统 GM(1,1)模型进行了预测效果对比分析。 结果 流脑流行趋势残差 GM(1,1)模型为 y=- 8.4387e- 0 .5580 t 19.915 0 η(t- i)[1.5 42 5 0 .0 3 63 (t- 1 ) - 1.34 81],精度检验结果显示 :C=0 .0 4,P=1.0 0 ,平均误差率为 6 .13% ,模型判为优 ,可用于流脑流行趋势预测 ,GM(1,1)模型精度检验表明 :C=0 .0 7,P=1.0 0 ,平均误差率为 7.6 0 % ,虽也判为优 ,但效果劣于残差 GM(1,1)模型 ;应用残差 GM(1,1)预测我县 2 0 0 0~、2 0 0 2~、2 0 0 4~、2 0 0 6~年流脑发病率将分别降至 0 .1435 / 10万、0 .115 1/ 10万、0 .10 0 0 / 10万、0 .0 92 7/ 10万。 结论 我县长期采取以预防接种为主的综合防治措施取得了良好效果 ,在今后几年里流脑发病率将持续下降 ,但绝不能放松对流脑的预防控制工作 ,否则有可能在未来几年大幅度上升 ;灰色系统残差 GM(1,1)模型预测效果优于灰色系统 GM(1,1)模型。 相似文献
8.
准确分割磨玻璃肺结节(GGN)具有重要临床意义。针对电子计算机断层扫描(CT)图像中GGN边界模糊、形状不规则、强度不均匀等特点导致其分割困难的问题,本文提出一种全卷积残差网络算法,即基于空洞空间卷积池化金字塔结构和注意力机制的残差网络(ResAANet)算法。该网络算法利用空洞空间卷积池化金字塔(ASPP)结构扩大特征图感受野,提取更充分的目标特征,并采用注意力机制、残差连接和长跳跃连接充分保留卷积层提取的GGN敏感特征。首先,用上海市胸科医院收集的565个GGN对ResAANet进行全监督训练、验证,得到稳定的模型;然后,利用收集的另84个GGN和肺部图像数据库联盟(LIDC)公共数据库中145个GGN分别测试模型得到粗分割结果;最后,用连通域分析方法去除假阳性区域得到优化结果。本文所提算法在采集的临床数据和LIDC测试集上的戴斯相似系数(DSC)达到83.46%、83.26%,平均重合度(IoU)达到72.39%、71.56%,切片分割效率达到0.1 s/张。与其他算法相比,本文提出的方法能准确、快速分割GGN,且具有较好的稳健性,可以为医生提供结节大小、密度等重要信息,辅助医生后续的诊断和治疗。 相似文献
9.
目的 建立一种基于机器视觉技术的水生蔬菜中4种有害元素含量水平提示系统,为食品风险监测采样过程中的风险提示提供技术支持。方法 利用残差网络(ResNet)和稠密连接网络(DenseNet)机器视觉模型,对茭白、慈姑、荸荠、菱角、藕等5种水生蔬菜图片图像进行训练,结合本省水生蔬菜中铬、砷、铅、镉等4种有害元素风险监测数据,构建5种水生蔬菜的图像识别及其有害元素含量水平的风险提示系统。结果 利用现有Vegfru数据集中与之相关蔬菜图片总计1 500多张,用两个模型进行120轮训练后,训练集和验证集识别准确度均>83%。从训练时间的角度考虑,最终选择Resnet-152模型用于预测。利用该模型对市面上购买的5种水生蔬菜进行识别,同时给出对应的铬、砷、铅、镉等4种有害元素含量范围,验证结果表明,4种有害元素含量均在提示范围内。结论 利用深度学习模型建立了对特定水生蔬菜有高辨识度的识别系统,结合已有食品风险监测数据,形成了4种有害元素污染浓度范围提示功能,可用于食品安全风险监测工作。 相似文献
10.