|
搜索
搜 索
高等教育领域数字化综合服务平台
九年级下册科学袋装学具
浙教社版
宁波华茂文教股份有限公司
2021-08-23
九年级上册科学袋装学具
浙教社版
宁波华茂文教股份有限公司
2021-08-23
九年级下册科学袋装学具
华师大版
宁波华茂文教股份有限公司
2021-08-23
九年级上册科学袋装学具
华师大版
宁波华茂文教股份有限公司
2021-08-23
Grapher V11科学绘图软件
产品详细介绍请登录 中国科学软件网 了解更多Grapher软件信息和报价。Grapher 10新特性 新颖的界面Grapher的新界面使用起来更简单。完全可定制的功能区能被最小化，增加了新的选项卡，指令在现在的选项卡中被重新排列。创建Q-Q图Q-Q图是一种概率图，通过绘制它们各自的位数，来对比两种数据集的可能性分布。每个点代表两个数据集中相同的位数。一个y=x线，可以查看并解释两个数据集是否成直线或来自相同分布点。创建等高线函数图等高线函数图以二维或三维的方式显示三种变量方程式。等高线图可以结合其他2D和3D图形使图形更好美观。改变等高线图的各个地方，包括3D垂直位置和等高线/填充属性。显示3D矢量，连接XYZ图形的两个点；所有的颜色矢量相同或用颜色表明长度；创建3D矢量图创建3D矢量图，连接3D图形的两个点。矢量可以由两个XYZ点、一个XYZ点和在每个X、Y、Z方向的距离来决定。所有的颜色矢量都相同或在矢量长度的基础上决定颜色矢量。改进了的盒须图在盒须图中添加了统计信任度等级。通过显示这种等级，您得提供更确凿的证据以证明您的数据没有问题。另外，还提供了一种更快的方式来对比两种盒须图。除了这种信任度等级外，您现在还可以决定如何还绘制盒须图。绘制盒须图到1/99百分位、5/95百分位、10/90百分位、最小/最大数据值或者内部四分位范围的一个方面，您完全可以控制您的数据。自定义类图符号应用一个颜色比例符号。让所有的符号一次性有相同的大小或形状。基于类，创建大小递增符号。创建扇形图表有时，展示的扇形图太过复杂以至于标签无法指向每个扇形区。或者在一页中，多个扇形图是相同的类别和颜色。现在，创建一个简单的图表就可以显示扇形区的类别信息。
北京天演融智软件有限公司
2021-08-23
北京学慧网络科技有限公司
学慧网专注于成人职业教育的在线直播学习平台，打造了学历自考培训、考研培训、公务员考试培训、营养师、心理咨询师、健康管理师、人力资源管理师、教师资格证、经济师等精品项目。
学慧网是北京学慧网络科技有限公司旗下在线学习直播平台，成立于2014年，提供职业能力培训和学历提升辅导服务。同时覆盖全国的实体服务中心，为不同地区的学员提供本地化的服务。
北京学慧网络科技有限公司
2021-02-01
北京万学教育科技有限公司
北京万学教育科技有限公司是一家教育公司，创立于2006年, 2007年开始正式运营, 凭借超越传统的革命性教育模式，成为针对大学生群体的教育集团。在研究生入学考试、公务员招录考试和职业发展等主力培训项目方面，已成为中国专业的教育培训机构。
北京万学教育科技有限公司
2022-02-28
医学影像设备学综合电路实验箱
是新华医疗强大X线机研发团队专门为高校医学影像专业教学设计的又一力作，本实验台综合了单个实验箱的实验功能，综合性强，可使学生在比较中进行实验，进而提高学生综合运用知识的实验效果，让学生亲身体验，学以致用。主要实验模块包括：整流电路实验、高频X线机逆变频率电路实验、旋转阳极启动与保护电路实验、磁饱合稳压电路实验、曝光限时电路实验、管电压管电流测量实验、接地电阻测量实验、X线机发生器基本工作原理及控制实验等。
山东新华医疗器械股份有限公司
2022-11-08
哈尔滨工程大学饱和蒸汽压测定和临界现象观测实验仪采购项目竞争性磋商公告
哈尔滨工程大学饱和蒸汽压测定和临界现象观测实验仪采购项目竞争性磋商
哈尔滨工程大学
2022-06-06
新冠肺炎影像学AI智能辅助诊断研究
“现阶段医生需要在大量影像数据中快速诊断出新冠肺炎的病例，此外还需要诊断出病灶分布的位置、大小等来评估严重程度。”薛向阳介绍，针对临床的现实需求，团队将设计目标定位于“肺炎分类鉴别”和“关键病灶检测”两大功能，前者是为区别健康状态、新冠肺炎、其他病毒性肺炎、细菌性肺炎，后者则为找到并分隔出磨玻璃影等病灶区域。针对这些需求，团队设计诊断算法模型，让机器利用模型进行训练，学习不同类型肺炎在CT影像表现上的不同特征，最终具备智能辅助诊断的能力。而这需要突破小样本学习、小目标检测等多个技术难题。“小样本学习”即在较少训练数据样本的条件下进行机器学习。在疫情发生前期，能够获取的新冠肺炎影像数据相对较少，且由于一线影像医生任务繁重，无法获得大量专家标注，因此需要算法在少量样本的条件下“自学成才”。为此，团队采用基于自迁移学习的半监督学习等技巧，使算法具备一定的“小样本学习”能力，在不增加医生标注工作量的情况下较好地提高了算法模型的普适性。由于CT影像切片中的病灶区域有大有小，且往往大中小病灶区域面积悬殊，如何使算法能同时检测大、中、小各个目标是另一大难题。团队利用神经网络的层次性特点与病灶区域的大小进行对应，“网络的底层关注细节，即小病灶区域，而网络中层到高层所关注的病灶区域则越来越大，因此模型通过不同层次的加权和融合，最终便能达到同时检测大小病灶区域的目标。”薛向阳解释道。“不过，即便有诊断‘神器’，影像科医生也是不可替代的。”薛向阳说，人是复杂的机体，病毒在不同人体内感染的反映也不一定相同。”他表示，当遇到机器未曾学习过的微小病变或疑难病例时，仍需要影像医生的经验和智慧。以解决实际问题为目标，该项目在研究过程中始终与临床应用紧密结合。无论是机器学习数据，还是测试评估数据，都来源于临床真实病例。在算法模型定型过程中，为了检验模型的准确率和泛化性，团队也利用现实疑似病例进行了测试。
复旦大学
2021-04-10