您好,欢迎光临本网站![请登录][注册会员]  

搜索资源列表

  1. 基于机器学习的可降解支架检测与分割算法

  2. 针对血管内光学相干断层扫描(IVOCT)成像系统, 提出一种改进的自适应增强(Adaboost)算法及一种基于动态规划的轮廓分割算法用于可降解支架的自动检测与分割, 实现对支架贴壁情况的自动评估。在检测阶段, 利用多层决策树构建Adaboost分类器, 实现对支架位置和大小的检测;基于检测结果, 利用动态规划算法对支架轮廓进行分割;最后, 结合分割结果, 对支架贴壁情况进行计算。实验结果显示, 所提算法的检测召回率达到91.6%, 精确率为87.2%, 轮廓分割的平均Dice系数为0.80, 表
  3. 所属分类:其它

    • 发布日期:2021-02-12
    • 文件大小:8388608
    • 提供者:weixin_38695471