摘要：为鉴别乳腺良、恶性肿瘤,利用动态增强磁共振成像(DCE-MRI)技术,结合混合集成的改进卷积神经网络(ME-ICNN),设计了一种计算机辅助诊断(CAD)方法。首先,在预处理阶段对输入的肿瘤图像进行背景缩减、对比度增强和乳房区域裁剪,采用全局Otsu阈值分割和形态学顶帽变换去除非损伤结构;然后,在定位阶段使用Chan-Vese活动轮廓模型自动选取最佳ROI,采用基于紧致度的滤波方法减少假阳性;最后,在诊断阶段提出一种新的卷积神经网络混合集成模型ME-ICNN,用于乳腺良恶性肿瘤的分类。通过112例DCE-MRI数据库上的实验结果表明:相比其他几种较新的卷积神经网络分类方法,所提出的ME-ICNN方法具有训练和测试执行时间快、自由参数少、分类精度高等优点,可作为放射科专家分析乳腺DCE-MRI图像的有效工具。

摘要：传统计算机专业教学资源推荐方法旨在直接对教学资源推荐算法进行设计,未构建专业的教学资源推荐模型,存在推荐效率低等问题。文章提出了基于用户需求的计算机专业教学资源推荐方法,该方法可构建专业教学资源推荐模型并确定计算机教育资源的语义特征,从而基于用户需求完成教学资源推荐算法的设计,进而将模型和推荐算法应用于计算机专业教学的字眼推荐流程中,旨在实现计算机专业教学资源的精准推荐。经对比实验证明,该方法能够缩短计算机教学资源的推荐时间并提高推荐效率。