简介:以卷积神经网络为代表的深度学习算法在医学影像分析领域正引起广泛美注,并取得了令人惊叹的进步。为了进一步提高卷积神经网络在计算机辅助筛查肺结节应用的准确率,本文设计了2种改良的深度卷积神经网络,这些改进加快了神经网络的训练速度.有效地防止了算法的过拟合。相比只采用二维卷积核的其他检测模型,该模型能够有效地学习到CT影像三维重建后的图像特征。通过实验,改进的检测模型在LUNAl6数据集上的准确率明显好于其他模型,这种网络结构也可用于医学影像领域中其他三维图像的检测场景。最后,构建了一套适用于远程医疗的“计算机辅助肺癌筛查与诊断系统”,该系统能够自动检测出CT影像中肺结节,并给出结节的良恶性概率评估。通过该系统的应用,可以有效缓解放射科医生超高的劳动强度,提高阀片效率,服务更多患者;减少漏诊和误诊发生的次数,有助于提高肺结节的诊断准确率;从而促进我国肺癌早筛工作的推广。
简介:我国食物生产在一定程度上依然不能适应营养需求,居民营养不足与过剩并存。为了解决这个问题,本文将数据范围定位在常见的果蔬品种上,对其所含营养成分进行主成分分析和聚类,选择主要的蔬菜水果。利用损耗率和马尔可夫链,用线性回归的方法,通过对以往数据的分析,构建模型预测果蔬的消费量。进一步地,构建线性最优化模型来确定不同经济区域、不同季度的主要蔬菜水果的最合理消费量和购买成本。基于居民人体的营养均衡、购买成本、种植者收益、进出口贸易以及土地面积等多方面因素的考虑,构建多目标规划模型,寻找最优的产量和消费量。从种植产量、价格、国民营养摄入等方面向有关部门提出合理化建议。