- 标题
- 摘要
- 关键词
- 实验方案
- 产品
-
放射学、激光、纳米粒子与假肢 || 2. 原子核与同位素
摘要： 第5至12章讨论了医学中的核方法，包括用于成像（闪烁扫描、SPECT、PET）或治疗癌组织（质子和中子照射、近距离放射治疗）的核技术。因此，首先介绍核素和同位素的基本特性，特别是核医学中使用的放射性同位素，是恰当的。本章并非旨在取代核物理教科书，但提供了足够的背景知识，以便更好地理解后续章节。一般辐射的处理以及放射性同位素的应用还需要详细了解辐射剂量和辐射安全，这些是第4章的主题。
关键词： 闪烁扫描术、医学、单光子发射计算机断层成像（SPECT）、中子辐照、正电子发射断层成像（PET）、近距离放射治疗、辐射安全、质子辐照、核素、癌组织、同位素、放射性同位素、辐射剂量、成像、核医学、核方法、辐射治疗
更新于2025-09-19 17:13:59
-
用于高光谱图像分类的空间-光谱图正则化核稀疏表示
摘要： 本文提出了一种基于核稀疏表示正则化框架的高光谱图像分类空间-光谱方法。首先，在核稀疏表示的稀疏恢复模型中引入两个空间-光谱约束项：第一项是基于图的空间平滑约束，用于描述高光谱图像的上下文信息；第二项是空间位置约束，用于整合训练像素位置信息的先验知识。随后，开发了高效的交替方向乘子法来求解相应最小化问题。最后，利用恢复的稀疏系数向量确定测试像素的类别标签。在三个真实高光谱图像上的实验结果表明了所提方法的有效性。
关键词： 正则化、高光谱图像、稀疏表示、核方法、分类
更新于2025-09-10 09:29:36
-
[IEEE IGARSS 2018 - 2018年IEEE国际地球科学与遥感研讨会 - 西班牙瓦伦西亚（2018.7.22-2018.7.27）] IGARSS 2018 - 2018年IEEE国际地球科学与遥感研讨会 - 基于核方法的地生物理参数一致性回归
摘要： 本文提出了一种新颖的统计回归框架，允许纳入一致性约束条件。文中介绍了线性和非线性（基于核函数）两种模型形式，二者均具有闭式解析解。该模型能充分利用驱动变量组的所有信息，同时与辅助性保护变量组保持最大程度的独立性。我们成功展示了该模型在叶绿素含量估算中的性能表现。
关键词： 一致性、回归、模型反演、植被监测、核方法
更新于2025-09-10 09:29:36
-
PET-MR不一致性对核图像重建方法的影响
摘要： 解剖学驱动的图像重建算法在正电子发射断层扫描（PET）中已广泛应用，这类算法能提升图像分辨率与定量准确性。本研究探讨了PET图像中高活性区与低活性区存在MR与PET空间不一致性的影响，重点分析了机器学习中的核方法——特别是混合核化期望最大化算法（HKEM）。实验数据来自Jaszczak模体及西门子Biograph mMR设备采集的患者影像。结果表明：即使微小位移也会导致活度浓度显著变化。总体而言，PET-MR空间失配会引发部分容积效应，具体表现为低活性区的"溢入"现象与高活性区的"溢出"效应。采用传统核期望最大化算法（KEM）时，低活性区最大变化率达100%，高活性病灶为10%；而HKEM对应数值分别为37%和8%。本研究表明：在核方法中引入PET信息可增强空间失配情况下的重建灵活性，但为避免伪影、模糊及偏差，必须确保精确配准并选择合适的MR图像构建核函数。
关键词： 混合核、图像先验、期望最大化（EM）、核方法、正电子发射断层扫描（PET）、迭代重建、解剖驱动
更新于2025-09-09 09:28:46
-
[ACM出版社第三届国际会议 - 中国桂林（2018年5月19日-2018年5月20日）] 第三届智能信息处理国际会议论文集 - ICIIP '18 - 基于核稀疏表示的降维方法及其在图像分类中的应用
摘要： 稀疏表示是一种统计图像建模技术，在图像分类中已成功应用。本文提出一种适用于核空间稀疏表示的降维方法。该方法通过最大化核空间中的类间重建残差并最小化类内重建残差，从而提升基于稀疏表示的分类器识别精度。在PIE、扩展Yale B和USPS数据库上的实验验证了所提方法的有效性。
关键词： 降维、稀疏表示、核方法、图像分类
更新于2025-09-09 09:28:46
-
综合遥感 || 地球观测数据处理中的高级特征提取
摘要： 地球是一个高度复杂且动态的网络系统，在过去几百年间，人类活动引发了诸多重大变化。毋庸置疑，我们科学家如今面临的最大挑战，是量化、预测并理解这个系统的行为。例如，土地与植被监测具有深远的社会、环境和经济意义，尤其是在生物燃料和粮食需求快速增长的情况下。我们需要数据和模型来推断该系统的情况。这些模型不仅要提供预测结果，还应就变量何时、何地以及以何种程度影响观测结果给出定性解释。
关键词： 地球观测、核方法、高光谱图像、主曲线、遥感、深度学习、特征提取
更新于2025-09-04 15:30:14