全文获取类型
收费全文 | 634篇 |
免费 | 21篇 |
专业分类
公路运输 | 120篇 |
综合类 | 275篇 |
水路运输 | 173篇 |
铁路运输 | 70篇 |
综合运输 | 17篇 |
出版年
2024年 | 4篇 |
2023年 | 12篇 |
2022年 | 12篇 |
2021年 | 21篇 |
2020年 | 15篇 |
2019年 | 11篇 |
2018年 | 14篇 |
2017年 | 3篇 |
2016年 | 9篇 |
2015年 | 22篇 |
2014年 | 18篇 |
2013年 | 19篇 |
2012年 | 33篇 |
2011年 | 43篇 |
2010年 | 22篇 |
2009年 | 35篇 |
2008年 | 43篇 |
2007年 | 23篇 |
2006年 | 28篇 |
2005年 | 28篇 |
2004年 | 41篇 |
2003年 | 29篇 |
2002年 | 19篇 |
2001年 | 18篇 |
2000年 | 26篇 |
1999年 | 17篇 |
1998年 | 15篇 |
1997年 | 12篇 |
1996年 | 21篇 |
1995年 | 11篇 |
1994年 | 6篇 |
1993年 | 7篇 |
1992年 | 3篇 |
1991年 | 5篇 |
1990年 | 4篇 |
1989年 | 4篇 |
1988年 | 2篇 |
排序方式: 共有655条查询结果,搜索用时 31 毫秒
651.
目的 利用影像组学方法开发一种基于CT影像的股骨头坏死患者预后预测模型,探究对侧正常股骨头区域的影像特征对预后预测的附加价值。方法 本回顾性研究共纳入患者51例,所有患者均在术前行CT扫描。对每位患者勾画坏死股骨头和对侧正常股骨头两部分作为感兴趣区域。对患者的感兴趣区域共提取968个影像组学特征。综合利用单变量和多变量分析,根据股骨头坏死区域、对侧正常股骨头区域和综合两个区域的特征开发了3个预测模型。使用10次随机实验的方式进行模型构建及验证,计算10次实验的平均结果作为最终结果。结果 对于坏死股骨头的影像特征,37个特征显示出对预后的预测价值,平均AUC值为0.708 2±0.029 9。预测模型在训练集和验证集的AUC分别为0.911 0±0.029 4和0.688 6±0.089 3。对于对侧正常股骨头的影像特征,14个特征显示出对预后的预测价值,这些特征的平均AUC为0.703 6±0.006 9,基于正常股骨头的影像特征构建的预测模型在训练集和验证集的AUC分别为0.867 2±0.039 5和0.669 0±0.072 6。综合预测模型在训练集和验证集的AUC值均高于基于坏... 相似文献
652.
653.
654.
655.
针对传统的裂缝分割算法难以识别狭窄裂缝且分割边缘不精准,从而造成识别精度较低的问题,研究了基于改进U型神经网络(Unet)的路面裂缝检测方法。由于传统Unet特征提取网络是层次较浅的浅层神经网络,难以提取更复杂的裂缝特征信息,故本文以牛津大学视觉几何组网络(VGG16)作为传统Unet的特征提取网络,提高网络的裂缝特征提取能力;为抑制高低阶特征融合时产生的无用特征,本文在模型解码部分添加压缩与激励单元(SE block),构建裂缝注意力单元,使得网络可以关注不同通道下的裂缝特征,建立了基于SE block和VGG16的改进Unet网络(SE-VUnet)。研究采用迁移学习的方法,将在ImageNet上预训练好的VGG16网络权重迁移到裂缝检测中。通过挑选Crack500数据集,并使用摄像头采集图片构建1 600张路面裂缝数据集,再次训练SE-VUnet模型,获得裂缝区域分割结果。以查准率(precision)与查全率(recall)的加权调和平均值F1和雅卡尔(Jaccard)相似系数作为量化评价指标。将SE-VUnet分别与Unet、SOLO v2、Mask R-CNN以及Deeplabv3+进行分割效果和实时性对比。研究结果表明:SE-VUnet模型的综合F1和雅卡尔系数分别为0.840 3和0.722 1,相比于Unet分别高出了1.04%和1.51%,且均高于其他3种对比模型;SE-VUnet的单帧图片预测时间为89 ms,在分割效果提升明显的情况下仅比Unet慢5 ms,优于其他模型。 相似文献