基于深度卷积神经网络的甲状腺超声图像良恶性结节识别方法研究

目的探讨深度卷积神经网络在甲状腺结节超声图像的自动检测和良恶性分类中应用价值。方法回顾性选取1012幅甲状腺结节的超声图像并对其进行标记,构建YOLOv5网络模型,精准定位甲状腺结节所在位置并自动裁减结节所在区域,同时构建GoogLeNet网络模型对裁减后结节的图像进行良恶性分类。结果在所采集的数据集中,目标检测网络对甲状腺结节位置检测的平均精确度均值为96.2%;分类网络对良恶性结节分类的敏感度为0.885,特异度为0.822,准确度为0.866,AUC值为0.92,显著高于AlexNet模型(AUC=0.81)、VGG模型(AUC=0.86)和MobileNet模型(AUC=0.76)。结论深度卷积神经网络模型对超声图像中的甲状腺良恶性结节具有较高的定位和识别能力,有助于提高影像自动诊断的准确性。

专题——农业大数据与人工智能

农业大数据是大数据理念、技术和方法在农业方面的实践,是跨行业、跨专业、跨业务的数据分析与挖掘,以及数据可视化的具体展示。人工智能技术是推动智慧农业发展的核心力量之一,在农业领域的应用潜力巨大。大数据与人工智能技术的应用将推进农业智能化发展,促进农业精细化管理,提高农业工作者的生产效率。

基于粉煤灰和Fe_(3)O_(4)的磁捕剂制备及其吸附性能

针对环境水体中藻和重金属污染的问题,将粉煤灰和Fe_(3)O_(4)配比混合,使用盐酸进行改性处理,制备磁捕剂,研究磁捕剂的吸附性能.研究结果表明:经5 mL的7%盐酸改性后的磁捕剂的除藻效果最佳,去除率最高,为99.49%;pH=4时,磁捕剂对藻的去除率最高,为99.7%;pH=6时,磁捕剂对Cr(Ⅵ)的去除率最高,为85.47%.研究结果为环境治理及资源循环利用提供了新的思路.