简介:尤其是能够以ROI压缩方式实现对图像中感兴趣区域的压缩,图6是ROI区域在原图像中的位置和大小,本文使用JPEG2000标准的Maxshift法对单幅数字医学图像的感兴趣区域做ROI压缩
简介:一场几乎波及所有行业的“沃尔玛化”运动正在悄然掀起。做中国的沃尔玛,做行业的沃尔玛,成为彼此心照不宣的目标。背后的逻辑其实极其简单:渠道商的价值正在被加速放大。今天的财富榜上地位稳固的是沃尔玛和国美们。当TCL、长虹们在利润日益微薄的产品市场低价比拼时,坐拥庞大终端网络的零售商也许在轻易之间就左右了它们某些产品的市场占有率甚至是利润率。家电业所遭遇的境地已经成为一种宿命般的必然——渠道正在巨大的压力下不断被扁平化,而产业末端的用户已经拥有生杀大权,任何脱离客户实际需求的产品都会被市场抛弃,零售作为商品分销的“最后一站”,越来越强势地把握住了商业社会的命门。争夺最终用户资源已经成为绝大多数公司不得不面临的一场战争。当一家公司表示要“以客户为中心”的时候,就表明它已经有了“零售化”的冲动——在产业环境越来越成熟的电信、金融、IT等等行业,这样的“下行路线”正在越来越清晰。
简介:数字图像处理技术的应用范围越来越广泛,医学超声图像处理正是其中的一项重要应用。本文针对医学超声图像的滤波问题,结合量子力学与量子信号处理的理论,简单论述了基于PDE量子衍生框架和基于DT-CWT原理的医学超声图像滤波方法。
简介:传统的生物医学命名实体识别方法需要大量的标注数据样本,但是在实际应用中标注样本代价高昂。为降低生物医学命名实体识别对标注样本的需求,本文提出通过使用PU学习中的两步法方法,将生物医学命名实体识别问题转化为PU场景下的命名实体识别问题。在第一步中分别使用1-DNF、Spy、NB和Rocchio算法在未标注数据中抽取强负例,然后在已有的正例数据和强负例数据的基础上构建隐马尔可夫模型,最后对待分类数据进行命名实体识别。在GENIA语料库上的实验结果显示,在标注数据较少的情况下,通过使用PU学习方法的两步法构建分类模型,其性能显著优于直接使用标注数据构建的分类模型,同时降低了人工标注数据的成本。