基于ERDAS软件的生态环境计算机辅助分类

提出了应用遥感 ERDAS软件和地理信息空间分析技术对区域生态环境进行计算机辅助分类 ,较传统的技术手段相比具有省时、省力、周期短和分类结果准确等优势。以石羊河流域为例 ,实现了基于 ERDAS遥感处理软件的生态环境计算机辅助分类。

基于深度学习的癌症计算机辅助分类诊断研究进展

近年来,基于深度学习的医学影像分类研究迅猛发展,已成为癌症计算机辅助诊断(CAD)领域的研究热点。目前,基于公开数据库(如LIDC、INbreast、DDSM公共数据库)进行的研究中,对肺结节良恶性分类研究、乳腺病灶的良恶性鉴别诊断的研究报道较为全面。对基于深度学习的肺CT图像、乳腺X线摄影图像的癌症计算机辅助分类诊断研究进展予以综述。

《中图法》计算机辅助分类软件的研制与应用

经过软件作者研究：《中国图书馆分类法》第四版共有条目近54000条，其中分类条目近52000条、各类复分表条目2000余条；分类条目中27．3％需参见其它条目、9．2％需参见其它条目至少二条以上、16．0％需参见复分表，37．3％需参见其它条目。因此，以往传统方法是分类人员参照《中国图书馆分类法》(纸张印刷品)对资料进行分类，查询不便。在需要参见其它条目或复分时非常麻烦，尤其要成为一个熟练的图书编目工作者需要较长的时间。开发一个方便实用的《中国图书馆分类法》

计算机辅助铝合金焊缝X射线底片的缺陷检测与分类

X射线底片缺陷计算机辅助分类是目前无损检测领域的研究热点之一,主要包括:底片信息的数字化获取、缺陷区域提取、特征参数设计与计算、缺陷分类和底片评定等内容。针对铝合金构件焊缝射线图像对比度低、边缘模糊、背景起伏等特点导致传统边缘提取及图像分割方法不能有效提取缺陷的现实,在图像处理时用背景相减、数学形态学等方法对缺陷进行了有效地提取,并根据缺陷特征参数进行缺陷的分类。对于线型缺陷(如裂纹)检测问题,由于其特殊的难度,对其检测问题进行了专门的研究和探讨。

计算机辅助教学的模式之我见

针对计算机辅助教学模式的认识和理解,提出了自己的观点。结合设计制作实际对计算机辅助教学的模式进行了分类讨论。

深度学习方法对周围型肺癌和肺结核球的分类初探

目的评价深度学习方法对周围型肺癌和肺结核球的分类能力,同时比较了不同来源CT影像和病灶大小对最终分类结果的影响。方法研究数据包含了2家医院的4台不同CT机型,共114例证实为肺癌或肺结核球的金标准CT影像。对CT图像进行肺组织提取、裁剪、旋转、翻转等数据增强方法后,生成4686张训练图像。使用改进的、基于GoogLeNet深度学习网络进行训练。结果对总共146张训练集以外的测试图谱分类结果显示,模型的总体分类精确率、召回率、F值分别为88.9%、77.4%、82.8%。如果测试影像和训练影像来自不同CT机型,深度学习方法的分类能力下降(F值92.6%比74.2%)。模型对病灶最长径<3cm的病灶分类能力更高(F值88.0%比73.2%)。结论深度学习方法可以有效地鉴别周围型肺癌和肺结核球,但病灶大小以及训练集、测试集图谱来源对训练结果有一定影响。

冰川变化遥感监测综述

在全球变暖的大背景下,冰川变化的研究成为热点。该文介绍了遥感监测冰川范围变化的研究进展,总结了监测所需要的数据、数据预处理方法以及提取冰川面积的主要方法,比较了各种提取冰川范围方法的优劣,并在此基础上提出根据不同研究区实地条件,综合应用多种计算机分类方法是最为精确、实用的提取冰川范围的方法。