《表1 患者基本情况：基于工业CT图像的刚体切片厚度智能确定方法》
提示：宽带有限、当前游客访问压缩模式
为测试本文方法的误差率，通过Facet模型提取长度为2、10 mm的CT图像，确定每个试验对象内、外边缘像素点的最短距离，抽取9条最短距离计算厚度，如表1、图2所示。
| 图表编号 | XD00183226200 严禁用于非法目的 |
|---|---|
| 绘制时间 | 2020.11.25 |
| 作者 | 徐雪慧 |
| 绘制单位 | 武汉职业技术学院电子信息工程学院、华中师范大学物理科学与技术学院 |
| 更多格式 | 高清、无水印（增值服务） |
相关图表
- 《表1 射击诸元对比：基于刚体弹道模型的防空火控解算方法》2020.08.01
- 《表3 间接法的特征概括：单幅图像刚体目标姿态估计方法综述》2021.02.16
- 《表2 直接法的特征概括：单幅图像刚体目标姿态估计方法综述》2021.02.16
- 《表7 两组扫描辐射剂量：双能CT融合图像在人工智能肺结节筛查中检测效能的探索研究》2021.02.10
- 《表2 消融实验结果：基于DB-Net的CT图像自动化肝脏分割方法》2020.10.01
- 《表3 工业CT尺寸测量不确定度分量汇总μm》2021.01.10
- 《表2 放电阶段划分结果：基于可见光图像的暗环境沿面放电智能诊断方法》2021.02.28
- 《表3 不同算法准确率：基于可见光图像的暗环境沿面放电智能诊断方法》2021.02.28
- 《表4 基本网络参数：基于可见光图像的暗环境沿面放电智能诊断方法》2021.02.28
- 《表1 仿真参数设置：基于DRL的6G多租户网络切片智能资源分配算法》2020.12.01
- 《表3 卷积神经网络结构：基于卷积神经网络的脑部CT智能辅助诊断分析方法研究》2020.12.05
- 《表1 卷积神经网络结构：基于卷积神经网络的脑部CT智能辅助诊断分析方法研究》2020.12.05
- 《表2 CNN训练参数：基于卷积神经网络的脑部CT智能辅助诊断分析方法研究》2020.12.05
- 《表1 蒽醌方法学指标：切片厚度和烘干温度对唐古特大黄蒽醌含量影响的研究》2019.12.01
- 《表2 数据表：基于超像素的联合能量主动轮廓CT图像分割方法》2020.01.01
- 《表2 复杂度对比图：基于改进型WGAN的低剂量CT图像去噪方法》2019.06.10
- 《表1 试验材料：基于混色材料透光图像计算各材料厚度及占比的方法》2019.02.01
- 《表2 缺陷测量结果：Faster R-CNN定位后的工业CT图像缺陷分割算法研究》2019.01.06
- 《表1 量化评价结果：Faster R-CNN定位后的工业CT图像缺陷分割算法研究》2019.01.06
- 《表1 标样层厚测量结果：基于工业CT的多层环状缠绕复合材料层厚检测方法研究》2019.02.28