全文获取类型
收费全文 | 1503篇 |
免费 | 238篇 |
国内免费 | 82篇 |
专业分类
耳鼻咽喉 | 4篇 |
儿科学 | 3篇 |
妇产科学 | 3篇 |
基础医学 | 417篇 |
口腔科学 | 10篇 |
临床医学 | 168篇 |
内科学 | 43篇 |
皮肤病学 | 2篇 |
神经病学 | 40篇 |
特种医学 | 73篇 |
外科学 | 37篇 |
综合类 | 404篇 |
预防医学 | 248篇 |
眼科学 | 20篇 |
药学 | 168篇 |
2篇 | |
中国医学 | 149篇 |
肿瘤学 | 32篇 |
出版年
2024年 | 9篇 |
2023年 | 124篇 |
2022年 | 135篇 |
2021年 | 114篇 |
2020年 | 136篇 |
2019年 | 74篇 |
2018年 | 34篇 |
2017年 | 20篇 |
2016年 | 35篇 |
2015年 | 32篇 |
2014年 | 48篇 |
2013年 | 53篇 |
2012年 | 65篇 |
2011年 | 95篇 |
2010年 | 71篇 |
2009年 | 81篇 |
2008年 | 108篇 |
2007年 | 81篇 |
2006年 | 81篇 |
2005年 | 82篇 |
2004年 | 47篇 |
2003年 | 41篇 |
2002年 | 34篇 |
2001年 | 46篇 |
2000年 | 28篇 |
1999年 | 26篇 |
1998年 | 23篇 |
1997年 | 22篇 |
1996年 | 24篇 |
1995年 | 20篇 |
1994年 | 21篇 |
1993年 | 8篇 |
1992年 | 2篇 |
1991年 | 2篇 |
1989年 | 1篇 |
排序方式: 共有1823条查询结果,搜索用时 15 毫秒
1.
提出一种面向医院患者的视觉监控跌倒检测算法,解决患者由于意外跌倒不能被及时发现的问题,为医护人员快速处理患者跌倒等异常行为提供必要的技术保障。方法:首先,基于深度神经网络模型检测监控图像中人体关节点(如肩部、肘部、腕部、胯部、膝关节等)在图像中的位置,再根据亲和度向量场模型提取人体骨架,最后计算患者躯干、腿部与地面的夹角作为判别性特征,判断监控区域内是否有患者出现意外跌倒。结果:实验结果表明,本文所提算法在实际的医院监护环境中的处理速度高达25帧/s,检测准确率高达96%。结论:该方法能够实时、准确地提取医院环境下患者的行为特征,并针对意外跌倒情况发出警报,为医护人员监测患者跌倒等异常行为提供更准确、方便的计算机辅助医疗护理方法。 相似文献
2.
为了提高人体肌电信号对于下肢动作识别的准确率,提出一种基于遗传算法(GA)优化的径向基(RBF)神经网络分类模型。通过采集人体日常8种下肢动作的表面肌电信号并选择“sym6”系小波函数对肌电信号进行滤波预处理,使用主成分分析法(PCA)对时频域特征降维,把特征向量输入GA算法优化的RBF神经网络进行训练和识别。实验结果表明,该方法对同一受试者8种下肢动作的平均识别率为94.00%±0.45%;对15位不同受试下肢动作识别率达到89.30%,比传统BP神经网络的识别准确率提高11.8%,预测时间缩短6 s。所提出的方法为肌电信号应用于下肢智能康复机器人的意图识别研究提供参考,有助于病人的康复。 相似文献
3.
目的: 使用U-net卷积神经网络实现锥形束CT(cone-beam CT, CBCT)影像中下颌磨牙的牙体和牙髓腔的自动分割,采用基于显微CT(Micro-CT)扫描结果构建的三维模型作为金标准,评估分割准确性。方法: 从同济大学附属口腔医院放射科收集20组包含完整单侧下颌磨牙的口腔小视野CBCT数据,预处理后,由牙体牙髓病学专家使用MITK Workbench软件手动标注牙体与牙髓腔,作为U-net神经网络分割算法的训练集。另收集5颗下颌磨牙和相应的小视野CBCT数据,5组数据经相同预处理后作为测试集。随后由完成训练的神经网络和同一专家对测试集数据进行牙体和牙髓腔分割和三维重建。离体牙预处理后行Micro-CT扫描,将三维重建后获得的模型作为金标准。分别比较测试集数据中,专家的手动标注、神经网络分割结果与金标准两两之间的差异。采用Dice相似性系数(Dice similarity coefficient, DSC)、平均对称表面距离(average symmetric surface distance, ASSD)、Hausdorff距离(Hausdorff distance, HD)和形态差异分析对结果进行评估。采用SPSS 20.0软件包对数据进行统计学分析。结果: 神经网络分割结果与金标准相比,其牙体组的DSC为(95.30±1.01)%、ASSD为(0.11±0.02) mm、HD为(1.05±0.31) mm,牙髓腔组的DSC为(81.21±2.27)%、ASSD为(0.15±0.05) mm、HD为(3.29±1.85) mm,结合形态差异分析结果显示,神经网络的分割结果与金标准的牙体与髓室部分基本相似,但在根管部分,能分割出较粗的根管,对于根管下段和侧支根管等较细的根管分割能力有限。结论: 在现有实验条件下,以专家手动标注作为训练样本的U-net神经网络,实现了在CBCT影像上对下颌磨牙牙体与髓室的自动化精准分割。但对根管部分,其分割结果有待进一步提升。 相似文献
4.
目的 基于卷积神经网络技术,建立常见寄生虫卵的智能识别系统。方法 搭建FastRCNN和CNN网络系统,用已经鉴别的受精蛔虫卵、姜片虫卵、钩虫卵各200张标本显微镜下采集图像,用于系统训练;三种虫卵各100张用于识别测试;再用20张未知名混合虫卵标本进行模拟临床测试。结果 针对3种虫卵,CNN的平均鉴别准确率达到了89%,FastRCNN的平均鉴别检出率达到了99.9%,测试时间分别为53 s和28 s。使用FastRCNN对混合虫卵检测,平均检出率为97%,检测时间79 s。结论 FastRCNN和CNN都能进行大样本量的识别,但FastRCNN的识别能力比CNN更快、更准确。 相似文献
5.
目的 建立一种联合表面增强拉曼散射(SERS)与卷积神经网络(CNN)的方法,用于耐甲氧西林金黄色葡萄球菌(MRSA)和对甲氧西林敏感金黄色葡萄球菌(MSSA)的准确鉴定。方法 合成带正电的纳米银颗粒(AgNPs+)作为SERS基底,测量MRSA和MSSA的SERS指纹谱并制作数据集,构建浅层一维CNN网络并在该数据上训练生成MRSA/MSSA二分类模型。结果 合成的AgNPs+能够通过静电引力紧密地吸附在细菌菌体表面并产生显著的SERS效应,在654、731 cm-1等7个波段均有明显的拉曼峰被增强出。提出的SERS-CNN方法用于MRSA和MSSA检测的准确率超过94.5%,重现性小于5%,检测灵敏度达到102 cells/mL。结论 建立的联合SERS与CNN的方法可用于MRSA的准确检测。 相似文献
6.
目的提出注意力门(AG)和空洞空间金字塔池化(ASPP)UNet模型(AA-UNet),观察其提取肝脏高频超声图像中肝包膜并用于评估肝硬化的价值。方法纳入47例肝硬化患者及20例非肝脏疾病患者,于肝脏高频声像图中手工标注肝包膜作为标签图像;将AG及ASPP加入UNet,以之提取声像图中的肝包膜;最后加入视觉几何组(VGG)16全连接层和Softmax分类器,评估有无肝硬化及其程度,即正常及轻度、中度肝硬化。采用AA-UNet提取58例颈动脉斑块患者提取颈动脉高频超声声像图中动脉壁,以验证AA-UNet的鲁棒性。结果AA-UNet提取的肝脏高频超声声像图中的肝包膜与标签图像相似,其交并比、精确率及F分数均大于DeepLabv3+、UNet、UNet+AG及UNet+ASPP提取结果,且用于提取颈动脉高频超声声像图中的动脉壁的效果亦较佳。AA-UNet用于评估肝脏高频超声声像图中正常及轻、中度肝硬化的准确率分别为90.00%、81.67%及78.33%。结论AA-UNet用于提取肝脏高频超声声像图中的肝包膜及评估轻度肝硬化的效果较佳。 相似文献
8.
徐守权唐国文黄舞标包仲明陈锦凤李超杰彭美玲赖瑜梅文黛薇 《实用心脑肺血管病杂志》2023,(2):16-21
目的 比较BP神经网络、随机森林和决策树预测急性脑梗死(ACI)患者静脉溶栓后发生早期神经功能恶化(END)的效能。方法 选取2021年3月至2022年3月于梧州市中医医院神经内科接受重组组织型纤溶酶原激活剂(rt-PA)静脉溶栓治疗的ACI患者342例,根据静脉溶栓24 h后患者是否发生END将其分为END组(n=66)与非END组(n=276)。比较两组患者临床资料,筛选ACI患者静脉溶栓后发生END的可能影响因素。然后将所有患者按照7∶3的比例分成训练集和测试集,训练集用于构建BP神经网络、随机森林和决策树,测试集用于评估BP神经网络、随机森林和决策树的预测效能。结果 ROC曲线分析结果显示,BP神经网络预测测试集ACI患者静脉溶栓后发生END的AUC为0.957[95%CI(0.918,0.995)],精确率为0.682,召回率为0.882,灵敏度为0.882,特异度为0.912,正确率为0.912;随机森林预测测试集ACI患者发生END的AUC为0.969[95%CI(0.913,1.000)],精确率为0.948,召回率为0.989,灵敏度为0.989,特异度为0.925,... 相似文献
9.
目的 探讨基于超声图像的迁移学习模型在乳腺肿块良恶性鉴别诊断中的应用价值。方法 收集我院2018年5月至2021年3月经手术或穿刺活检病理证实的300例乳腺肿块患者共计582张超声图像作为超声数据集(训练集482张,测试集100张)。采用迁移学习方法对经过ImageNet数据集预训练的三种深度卷积神经网络模型(VGG-16,Inception-v3,ResNet-50)进行训练和测试。第一次迁移学习,三种模型分别对公共数据库CBIS-DDSM(Curated Breast Imaging Subset of DDSM)数据集中的良恶性乳腺肿块X线图像进行识别学习,并对模型进行微调;第二次迁移学习,利用超声数据集中随机挑选的训练集超声图像对三种模型进行微调。分别比较三种模型使用不同次数迁移学习后对乳腺肿块良恶性诊断效能。结果 VGG-16、Inception-v3、ResNet-50三种模型经过迁移学习后所有评价指标均有提高,其中基于ResNet-50建立的模型对乳腺肿块良恶性鉴别具有更优的效果,准确率为88.0%,敏感性为82.7%、特异性为93.8%、AUC值为0.915。结论 基于超声图像的ResNet-50迁移学习模型在乳腺肿块良恶性鉴别诊断中具有较高的准确率,可为低年资医师精准诊断提供决策支持。 相似文献
10.
目的:探究ResNet模型对肺腺癌不同亚型结节的分类表现及稳定性。方法:回顾性收集2014 年2 月—2020 年10 月期
间的364 例肺腺癌结节CT 影像数据,以7∶3 的比例分为训练集和内部测试集,将2020 年4 月到2020 年11 月的58 例结节数
据作为外部测试集。使用基于ResNet的三维卷积神经网络在训练集中进行训练以及调参,并使用内部测试集和外部测试集对
模型的准确性及泛化性进行评估。使用随机中心移动和掩膜处理的方式分别以内部测试集和外部测试集为基础构造新的测试
集,新数据集对模型进行测试验证模型的稳定性。结果:模型在内部测试集AUC 为0.949 1(95%CI:0.910 8~0.987 4),模型在随
机中心移动以及掩膜处理之后的数据集的AUC 值分别为0.940 4 和0.918 1, 与其差异无统计学意义(P 值分别为0.425 3 和
0.239 3)。在外部测试集中模型AUC 为0.959 6(95%CI:0.901 2~1.000 0),在用于稳定性测试的随机中心移动以及掩膜处理之
后的数据集中,模型所得AUC 分别为0.948 5和0.947 3,与其同样差异无统计学意义(均P>0.05)。结论:ResNet 模型对肺腺癌
结节亚型有优异的鉴别能力,并且具有一定稳定性。 相似文献