《表1 医学图像分割：基于深度学习的生物医学数据分析进展》
提示：宽带有限、当前游客访问压缩模式
医学图像分割是医学图像分析的基础，对后续的疾病定量分析和分类识别都十分重要，近五年的主要代表成果如表1所示。
| 图表编号 | XD00171433600 严禁用于非法目的 |
|---|---|
| 绘制时间 | 2020.04.25 |
| 作者 | 李肃义、唐世杰、李凤、齐建卓、熊文激 |
| 绘制单位 | 吉林大学仪器科学与电气工程学院、吉林大学仪器科学与电气工程学院、吉林大学仪器科学与电气工程学院、西宁第一人民医院、吉林大学第一医院 |
| 更多格式 | 高清、无水印（增值服务） |
相关图表
- 《表1 各算法实验结果：基于深度学习的行驶视觉图像分割模型设计》2020.10.25
- 《表1 医学图像分析研究常用的深度学习数据集》2020.12.10
- 《表3 数据集汇总：基于深度学习的图像语义分割技术综述》2021.01.15
- 《表2 可解释性内涵：医学影像处理的深度学习可解释性研究进展》2021.01.01
- 《表3 调节作用分析结果：基于深度学习的图像语义分割算法研究》2020.12.31
- 《表1 MRM优化参数：基于深度学习的图像语义分割算法研究》2020.12.31
- 《表4 试验结果：基于深度学习的图像语义分割算法研究》2020.12.31
- 《表2 医学图像分类识别：基于深度学习的生物医学数据分析进展》2020.04.25
- 《表1 配准结果比较：基于深度学习的2D/3D医学图像配准研究》2020.08.20
- 《表1 鲁棒性测试：基于深度残差网络的医学图像鲁棒可逆水印算法》2020.05.01
- 《表8 容量对比：基于深度残差网络的医学图像鲁棒可逆水印算法》2020.05.01
- 《表3 平均检索精度比较：基于深度哈希卷积神经网络的医学图像检索》2020.08.15
- 《表1 网络模型结构参数：基于深度哈希卷积神经网络的医学图像检索》2020.08.15
- 《表1 分割效果对比图：基于3D卷积神经网络的脑肿瘤医学图像分割优化》2020.02.01
- 《表2 降维后的特征描述：一种基于深度学习的医学图像特征提取方法》2019.09.01
- 《表1 提取特征描述：一种基于深度学习的医学图像特征提取方法》2019.09.01
- 《表2 深度学习在医学图像中的应用案例》2019.01.25
- 《表3 GPU内存占用：基于深度学习的图像实例分割》2019.02.01
- 《表2 检测时间：基于深度学习的图像实例分割》2019.02.01
- 《表1 各数据集简介：基于深度学习图像语义分割的机器人环境感知》2019.01.01