我们提出了一种小型 (0.5 𝑐𝑚 3 ) 静态 CZT 传感器网络,由多个无方向性探测器 (NDD) 组成,能够在 3D 中定位固定辐射源。定位采用基于 AI 技术的融合算法执行。该算法基于多层 Perseptron 神经网络 (MLP) 和梯度提升决策树 (BDTG)。它们已使用基于 Geant4 框架的 SWORD 模拟软件生成的模拟数据进行训练。使用我们实验室使用的 137 𝐶𝑠 源 180 𝜇𝐶𝑖 的实验数据验证了算法的定位效率。在 5m x 2.8m x 2m 的监测范围内,垂直和水平方向的定位分辨率分别达到 10cm 到 15cm 量级,深度方向的定位分辨率小于 20cm 量级。
关键词:人工智能、数据驱动、洞察、优化 1. 简介 近年来,人工智能 (AI) 在营销分析领域的应用激增。人工智能 (AI) 是指机器执行传统上需要人类智能的操作的能力,包括但不限于学习、推理和解决问题 (Hermann, 2021)。营销领域已将人工智能 (AI) 的使用纳入其中,对大量客户数据进行广泛分析,检测重复出现的模式和趋势,并预测客户行为。企业利用有针对性和个性化的营销活动提高了营销效果和客户参与度。人工智能 (AI) 融入营销分析对企业产生了显著的影响,例如增强了客户细分、提高了个性化程度和增强了定位效率 (Sarker, 2022)。人工智能能够从社交媒体、电子邮件和网络分析等各种渠道检查客户信息,从而全面了解客户。这有助于企业更有效地了解客户,并制定与目标市场产生共鸣的促销策略。人工智能在营销分析中的应用虽然前景光明,但也带来了一些障碍,包括需要大量数据集和可能存在偏见的决策。企业必须认识到这些障碍,并制定策略来缓解这些障碍。本文的目的是对人工智能在营销分析领域的现状进行全面评估。本研究采用了次要主题
乳腺肿瘤是乳腺癌诊断最突出的指标之一。精确的肿瘤分割对于提高乳腺癌检测的准确性至关重要。医生对 MRI 扫描的评估非常耗时,需要大量的人力和专业知识。此外,传统的医学分割方法通常需要先验信息或手动特征提取,导致诊断具有主观性。因此,开发一种自动图像分割方法对于临床应用至关重要。这项工作提出了 BTS-GAN,一种在磁共振成像 (MRI) 扫描中使用条件 GAN (cGAN) 的自动乳腺肿瘤分割过程。首先,我们使用编码器-解码器深度网络作为生成器,并在编码器和解码器之间使用跳跃连接,以提高定位效率。其次,我们利用并行扩张卷积 (PDC) 模块来保留各种大小肿块的特征并有效提取有关肿块边缘和内部纹理的信息。第三,在 cGAN 的损失函数中加入了额外的分类相关约束,以缓解基于分类的图像到图像 (I2I) 翻译任务中难以收敛的挑战。我们提出的模型的生成器端学习检测肿瘤并构建二值掩码,而鉴别器学习区分地面真实和合成掩码,从而驱动生成器生成尽可能真实的掩码。实验结果表明,我们的 BTS-GAN 对于乳腺肿瘤分割更有效、更可靠,并且在公开可用的 RIDER 乳腺癌 MRI 数据集上的 IoU 和 Dice 系数方面优于其他分割技术。我们提出的模型分别实现了 77% 和 85% 的平均 IoU 和 Dice 得分。2022 作者。由 Elsevier BV 代表卡拉布克大学出版 这是一篇根据 CC BY-NC-ND 许可 ( http://creativecommons.org/licenses/by-nc-nd/4.0/ ) 的开放获取文章。