公共文化服务平台

共 10 条记录，以下是 1-9

全选清除导出

排序方式：

基于数学形态学的染色体自动计数算法被引量：2: 2008年; 通过研究染色体自动分析技术在评估儿童急性淋巴细胞白血病预后中的应用,提出了一种基于数学形态学的染色体自动计数算法。算法首先对输入的染色体图像进行了预处理,接着用标号法给图像中的每个对象赋予惟一的标号。为了消除图像中噪声对统计结果的影响,按照设定的规则将噪声对象删除。对于含有粘连染色体的对象,通过腐蚀运算计算出实际染色体个数,并根据结果修正标号值,修正结果即为图像中的染色体数目。实验证明,该算法可以自动统计出图像中的染色体数目。; 闫文忠沈树群; 关键词：染色体数学形态学标号

人工神经网络在染色体自动分析系统中的应用: 2010年; 背景:人体染色体的分类与识别是医学遗传学中的一项基本任务,应用计算机技术实现人体染色体自动分析与识别是人体染色体图像分析技术的重要研究课题。目的:介绍人工神经网络的基本原理、技术优势、应用方法,研究人工神经网络在染色体自动分析系统中应用。方法:由第一作者检索1994/2009EBSCO数据(http://search.ebscohost.com)及万方数据库(http://www.wanfangdata.com.cn)有关人工神经网络在染色体自动分析系统中应用方面的文献,英文检索词为"chromosome,artificial neural network",中文检索词为"染色体,人工神经网络"。结果与结论:研究染色体自动分析系统的目的,就是要减轻技术人员的劳动强度,使他们从繁琐的重复劳动中解放出来,并最终将这些系统应用于临床,进行肿瘤患者的细胞遗传学鉴定、优生优育的检查等工作。尽管神经网络在染色体自动分析系统中的应用已经经过了多年的发展与完善,但仍存在一定的局限性:①它首先需要一套准确无误的已分类染色体数据库,这对一般研究人员来说是不易得到的。②分类的结果不够准确,甚至达不到训练有素的细胞学研究者的水平。③神经网络有它固有的缺点--训练数据量庞大、训练时间长。因此在今后的研究中,应该从优化神经网络的结构、提取有效特征、减少不必要的运算着手,继续改进和完善这个网络。; 闫文忠封孝辉; 关键词：人工神经网络

染色体自动分析系统关键技术研究: 简要介绍染色体自动分析系统的基本步骤，着重对染色体的分割和特征提取这两个中的典型算法进行研究，分析各算法的原理及实现，并对未来的一些工作方向进行展望。; 闫文忠沈树群; 关键词：染色体图像分割特征提取; 文献传递

一种计算机辅助评估儿童急性淋巴细胞白血病预后新方法: 2008年; 介绍一种计算机辅助评估儿童急性淋巴细胞白血病预后的新方法,并对该方法的原理及主要步骤进行了详细阐述和分析。通过检验,所得结果与医务人员的结论一致,证明了该方法的可行性。; 闫文忠沈树群; 关键词：急性淋巴细胞白血病中期染色体预后

分水岭算法在粘连染色体图像分割中的应用: 分水岭算法是一种广泛使用的分割方法,将其用于染色体图像分割可以克服由于染色体粘连造成的图像分析困难,但缺陷在于它的过分割结果。提出一种基于分水岭的算法,通过一系列预处理过程得到待处理的粘连染色体图像,然后对待处理图像进行...; 闫文忠沈树群; 文献传递

染色体自动分割算法被引量：1: 2006年; 染色体的自动分割是染色体自动分析系统中最重要的步骤。因此对典型的染色体自动分割算法进行了研究,分析了算法的原理及实现,对算法的结果进行比较和讨论,并分析其中存在的问题。结果表明,基于几何分析的自动分割算法在粘连染色体的分割方面具有良好的效果。; 闫文忠沈树群; 关键词：染色体边缘检测

染色体自动分析系统的研究现状及未来目标被引量：5: 2009年; 染色体自动分析系统可以帮助医生尽早诊断出癌症及其他遗传疾病,通常的染色体自动分析系统主要包括图像增强、染色体分割、特征提取、染色体配对和分类等一系列步骤,然而要研制出这样的自动分析系统是一项非常困难的工作。在不同系统的研究过程中许多算法得到了应用并取得了令人鼓舞的结果,文章介绍了染色体自动分析系统的研究进展,详细总结了这些系统中使用的各种算法。由于受到一些因素的制约,因此还需要进一步的研究来提高这些系统的效率和准确性。文章具体分析了这些制约因素,并指出了未来的研究方向。; 闫文忠; 关键词：染色体特征提取

分水岭算法在粘连染色体图像分割中的应用: 分水岭算法是一种广泛使用的分割方法,将其用于染色体图像分割可以克服由于染色体粘连造成的图像分析困难,但缺陷在于它的过分割结果。本文提出一种基于分水岭的算法,通过一系列预处理过程得到待处理的粘连染色体图像,然后对待处理图像...; 闫文忠沈树群; 关键词：染色体图; 文献传递

分组信息共享的量子粒子群优化算法的改进被引量：6: 2013年; 标准量子行为的粒子群优化(Quantum-behaved particle swarm optimization,QPSO)算法依然存在早熟收敛的缺点,针对此问题,提出了一种改进的量子粒子群算法(Particle swarm optimization based on quantum,PSO-Q)。在PSO-Q算法中,采用分组策略基于不同的更新公式同时提高局部搜索和全局搜索能力,并且共享组间有用的信息,达到探索与开发能力的平衡。在不降低搜索精度的情况下,分组策略扩大了种群搜索过程中的搜索范围,其中一组保持QPSO搜索方法的基本搜索能力,主要开发已有搜索空间。另外一组共享整个群里的有效信息,增加新领域探索能力,可以避免种群多样性的不断下降。在标准测试函数的对比实验中,仿真结果表明该算法具有较强的搜索能力并且达到了较高的优化精度。; 王养廷闫文忠; 关键词：粒子群优化

全选清除导出

共1页<1>

闫文忠

合作作者

文献类型

领域

主题

机构

作者

传媒

年份

用户反馈

闫文忠

合作作者

文献类型

领域

主题

机构

作者

传媒

年份

用户登录

用户反馈