A.數(shù)字醫(yī)學(xué)影像的配準(zhǔn)過程中需要進(jìn)行待配準(zhǔn)影像的空間變換。
B.三維醫(yī)學(xué)影像的配準(zhǔn)可以使用解剖坐標(biāo)對(duì)準(zhǔn)。
C.數(shù)字醫(yī)學(xué)影像配準(zhǔn)是將參考醫(yī)學(xué)影像與待配準(zhǔn)的醫(yī)學(xué)影像之間進(jìn)行空間位置對(duì)準(zhǔn)。
D.配準(zhǔn)是將待配準(zhǔn)的醫(yī)學(xué)影像與參考醫(yī)學(xué)影像之間進(jìn)行解剖位置對(duì)準(zhǔn)。
您可能感興趣的試卷
你可能感興趣的試題
A.目標(biāo)函數(shù)與參考影像配準(zhǔn)
B.相似性度量和設(shè)計(jì)配準(zhǔn)的目標(biāo)函數(shù)
C.對(duì)待配準(zhǔn)的醫(yī)學(xué)影像進(jìn)行幾何變換
D.對(duì)變換后的影像進(jìn)行插值
A.[0108010；0201000；0141200]
B.[510010；42007；91400]
C.[00800；001000；001200]
D.[008010；001007；901200]
A.隱含層
B.輸入層
C.訓(xùn)練層
D.輸出層
A.PB訓(xùn)練算法
B.利用大數(shù)據(jù)進(jìn)行深度學(xué)習(xí)
C.BP學(xué)習(xí)算法
D.自適應(yīng)學(xué)習(xí)算法
A.MC訓(xùn)練算法
B.BP訓(xùn)練算法
C.PB訓(xùn)練算法
D.AP訓(xùn)練算法
最新試題
在Roberts邊緣檢測中，已知梯度圖像Ig=[206150800；85172800；15575600；0000]，預(yù)設(shè)閾值T=100，則邊緣圖像是（）。
下面是對(duì)數(shù)字醫(yī)學(xué)影像配準(zhǔn)的描述，下列各項(xiàng)中描述錯(cuò)誤的選項(xiàng)是（）。
已知原始醫(yī)學(xué)灰度影像Io=[10202515；60658085；65859590；5102015]，銳化用到的梯度模板為[-1-2-1；000；121]和[-101；-202；-101]，利用差分絕對(duì)值銳化法對(duì)原始影像進(jìn)行銳化，邊界點(diǎn)不銳化，要求銳化后的影像最大灰度值不超過255，則銳化后的影像是（）。
下列各項(xiàng)是Ray casting算法實(shí)現(xiàn)過程的描述，哪些項(xiàng)描述正確？（）
在基于二階微分的銳化（利用拉普拉斯變換進(jìn)行銳化）中，已知原始醫(yī)學(xué)圖像（8位灰度位圖）Io=[10204050；70530100；60246]，銳化模板為m=[010；1-41；010]，邊界點(diǎn)不考慮銳化，按四舍五入計(jì)算，則銳化后的圖像是（）。
下列各項(xiàng)是對(duì)Ray casting進(jìn)行加速算法的描述，哪些項(xiàng)描述正確？（）
利用神經(jīng)網(wǎng)絡(luò)分類器對(duì)醫(yī)學(xué)影像中的病變進(jìn)行識(shí)別時(shí)，首先要對(duì)神經(jīng)網(wǎng)絡(luò)分類器進(jìn)行訓(xùn)練或?qū)W習(xí)，常用的學(xué)習(xí)算法有（）。
在磁共振腦功能成像研究中，對(duì)影像融合的目的有很多種觀點(diǎn)，你認(rèn)為下列哪種觀點(diǎn)最正確？（）
在Kirsch邊緣檢測中，已知濾波圖像FI=[2100340；601201080；2050530]，預(yù)設(shè)閾值T=50，則邊緣圖像是（）。
下列各項(xiàng)中，哪一項(xiàng)是Roberts邊緣檢測中構(gòu)建的梯度模板？（）