提出一种基于TV模型和深度学习Goog Le Net模型的甲状腺结节图像分类方法,采用基于TV模型的自适应图像修复方法对甲状腺超声图像进行预处理,消除边框标记。为提升网络的结节分类性能,采用深度学习的方法,构建GoogLeNetIncepetion V1模型对甲状腺超声波图像数据集进行实验。在各类病变和正常的甲状腺医疗图像数据集上的实验结果显示,该方法的分类诊断准确率为96.04%,具有非常可观的
Two new metal-organic frameworks,{[Cd_2Cl(HL)(H_2O)_2·0.5H_2O]}_n(1)and{[Cd_2L(H_2O)_2]·H_2O}_n(2),have been hydrothermally synthesized with designed