中大機構典藏-NCU Institutional Repository-提供博碩士論文、考古題、期刊論文、研究計畫等下載:Item 987654321/91114
English  |  正體中文  |  简体中文  |  全文笔数/总笔数 : 80990/80990 (100%)
造访人次 : 43148785      在线人数 : 821
RC Version 7.0 © Powered By DSPACE, MIT. Enhanced by NTU Library IR team.
搜寻范围 查询小技巧:
  • 您可在西文检索词汇前后加上"双引号",以获取较精准的检索结果
  • 若欲以作者姓名搜寻,建议至进阶搜寻限定作者字段,可获得较完整数据
  • 进阶搜寻

    书目数据导出

    jsp.display-item.identifier=請使用永久網址來引用或連結此文件: http://ir.lib.ncu.edu.tw/handle/987654321/91114


    题名: 嵌入幾何深度學習的快速資料密度泛函轉換之研究與其在多維度醫學特徵之快速辨識、追蹤與重建;Research on Fast Data Density Functional Transform Embedded in Geometry Deep Learning and Its Fast Recognition, Tracking, and Reconstruction of Multi-Dimensional Medical Features
    作者: 陳健章
    贡献者: 國立中央大學生醫科學與工程學系
    关键词: 幾何深度學習;快速資料密度泛函轉換;全域捲積;醫學影像分割;高維重構;電腦視覺;流形代數;微分幾何;可解釋深度學習網路;對稱性;不變性;;Geometric Deep Learning;Fast Data Density Functional Transform;Global Convolutions;Medical Image Segmentation;High-dimensional Reconstruction;Computer Vision;Manifold Algebra;Differential Geometry;Interpretable Deep Learning Networks;Symmetry;Invariance.
    日期: 2023-07-17
    上传时间: 2024-09-18 14:14:43 (UTC+8)
    出版者: 國家科學及技術委員會
    摘要: 快速資料密度泛函深度學習網路兼備可解釋性、快速物件辨識推論與超輕量型模型結構,同時在系統設計上具備自學能力故能給予系統最佳化的模型架構與訓練方案。於學術發展上,本技術能將統計機械學習與深度學習雙方架構進行整併,並在具備統計意義的流形空間裡進行解釋與對應,故能進一步對於正處於發散發展中人工智慧技術進行理論架構之統一與整合。於工程實務上,適用於腦內手術導航、病灶定位分割與三維視覺化之臨床輔助診斷。另本技術結構易於嵌入於低成本之微處理器或微控制器甚是感測模組,故將能裨益於TinyML以及邊緣運算等相關機械視覺等技術開發,也因此可帶動醫學智慧感測技術、工業人員安全維護等議題與AIoT締合之連動成長。
    關聯: 財團法人國家實驗研究院科技政策研究與資訊中心
    显示于类别:[生醫科學與工程學系] 研究計畫

    文件中的档案:

    档案 描述 大小格式浏览次数
    index.html0KbHTML27检视/开启


    在NCUIR中所有的数据项都受到原著作权保护.

    社群 sharing

    ::: Copyright National Central University. | 國立中央大學圖書館版權所有 | 收藏本站 | 設為首頁 | 最佳瀏覽畫面: 1024*768 | 建站日期:8-24-2009 :::
    DSpace Software Copyright © 2002-2004  MIT &  Hewlett-Packard  /   Enhanced by   NTU Library IR team Copyright ©  2006-2024  - 隱私權政策聲明