期刊导航
期刊开放获取
唐山市科学技术情报研究..
退出
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
2
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式：
文摘
详细
列表
相关度排序
被引量排序
时效性排序
Allura XPer FD20型数字减影血管造影设备结构原理分析及故障维修
1
作者
曲玲玲
李健
乔芳
《中国医学装备》
2024年第8期194-197,共4页
掌握数字减影血管造影(DSA)设备结构和工作原理是医学工程师开展日常维护维修管理的重要前提。通过分析X射线源、机械驱动、主机控制和图像输出等DSA设备的结构组成和部件功能,依据朗伯比尔定律阐述减影成像的工作过程,总结DSA图像质量...
掌握数字减影血管造影(DSA)设备结构和工作原理是医学工程师开展日常维护维修管理的重要前提。通过分析X射线源、机械驱动、主机控制和图像输出等DSA设备的结构组成和部件功能,依据朗伯比尔定律阐述减影成像的工作过程,总结DSA图像质量的影响因素。同时,以Allura XPer FD20型DSA设备为例,对临床使用发生的检查床、机架和温度控制故障案例进行分析,对设备硬件结构和电路模块分别进行故障排查和处理,及时解决设备故障报警信息,以保障设备运行质量,提高故障维修效率。
展开更多
关键词
数字减影血管造影(DSA)
衰减系数
平板探测器
驱动电路
温度控制
在线阅读
下载PDF
职称材料
基于监督学习算法的乳腺癌复发预测
2
作者
刘巧红
赫英臣
+2 位作者
牛硕
张雷明
张捷
《现代仪器与医疗》
CAS
2023年第4期7-11,共5页
为了更好的发掘数据分析在辅助医学诊断上的价值,对医疗数据进行精准分析,本文基于Weka平台研究了十八种常见的监督机器学习算法对乳腺癌数据的分类预测,达到准确的预测乳腺癌是否复发的目的,并从统计学和机器学习指标对所有模型的预测...
为了更好的发掘数据分析在辅助医学诊断上的价值,对医疗数据进行精准分析,本文基于Weka平台研究了十八种常见的监督机器学习算法对乳腺癌数据的分类预测,达到准确的预测乳腺癌是否复发的目的,并从统计学和机器学习指标对所有模型的预测效果进行对比分析。结果表明统计学指标RMSE和RRSE较小的前3位算法依次为LMT、J48、AdaBoostM1,机器学习指标中性能表现较好的算法依次为BayesNet、AdaBoostM1和LMT。综合所有指标,分类预测效果较好的算法有LMT和AdaBoostM1,在乳腺癌数据集上表现出良好的分类预测,具有价高的预测价值。
展开更多
关键词
监督学习算法
数据挖掘
WEKA
乳腺癌
预测
在线阅读
下载PDF
职称材料
题名
Allura XPer FD20型数字减影血管造影设备结构原理分析及故障维修
1
作者
曲玲玲
李健
乔芳
机构
上海健康医学院附属周浦医院采购办公室
上海
健康
医学院
附属
周浦医院
资产管理部
出处
《中国医学装备》
2024年第8期194-197,共4页
文摘
掌握数字减影血管造影(DSA)设备结构和工作原理是医学工程师开展日常维护维修管理的重要前提。通过分析X射线源、机械驱动、主机控制和图像输出等DSA设备的结构组成和部件功能,依据朗伯比尔定律阐述减影成像的工作过程,总结DSA图像质量的影响因素。同时,以Allura XPer FD20型DSA设备为例,对临床使用发生的检查床、机架和温度控制故障案例进行分析,对设备硬件结构和电路模块分别进行故障排查和处理,及时解决设备故障报警信息,以保障设备运行质量,提高故障维修效率。
关键词
数字减影血管造影(DSA)
衰减系数
平板探测器
驱动电路
温度控制
Keywords
Digital subtraction angiography(DSA)
Attenuation coefficient
Flat panel detector
Driving circuit
Temperature control
分类号
R812 [医药卫生—放射医学]
在线阅读
下载PDF
职称材料
题名
基于监督学习算法的乳腺癌复发预测
2
作者
刘巧红
赫英臣
牛硕
张雷明
张捷
机构
上海
健康
医学院
医疗器械
学院
上海健康医学院附属周浦医院采购办公室
出处
《现代仪器与医疗》
CAS
2023年第4期7-11,共5页
基金
国家自然科学基金(61801288)
2022年上海健康医学院师资人才百人库项目(A1-2601-22-311007-12)。
文摘
为了更好的发掘数据分析在辅助医学诊断上的价值,对医疗数据进行精准分析,本文基于Weka平台研究了十八种常见的监督机器学习算法对乳腺癌数据的分类预测,达到准确的预测乳腺癌是否复发的目的,并从统计学和机器学习指标对所有模型的预测效果进行对比分析。结果表明统计学指标RMSE和RRSE较小的前3位算法依次为LMT、J48、AdaBoostM1,机器学习指标中性能表现较好的算法依次为BayesNet、AdaBoostM1和LMT。综合所有指标,分类预测效果较好的算法有LMT和AdaBoostM1,在乳腺癌数据集上表现出良好的分类预测,具有价高的预测价值。
关键词
监督学习算法
数据挖掘
WEKA
乳腺癌
预测
Keywords
Supervised learning algorithm
Data mining
WEKA
Breast cancer
Prediction
分类号
R737.9 [医药卫生—肿瘤]
TP391.41 [自动化与计算机技术—计算机应用技术]
在线阅读
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
Allura XPer FD20型数字减影血管造影设备结构原理分析及故障维修
曲玲玲
李健
乔芳
《中国医学装备》
2024
0
在线阅读
下载PDF
职称材料
2
基于监督学习算法的乳腺癌复发预测
刘巧红
赫英臣
牛硕
张雷明
张捷
《现代仪器与医疗》
CAS
2023
0
在线阅读
下载PDF
职称材料
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部
