检索结果-南通市图书馆

Deep Learning ResNet101 Deep Features of Portable Chest X-Ray Accurately Classify COVID-19 Lung Infection

Computers, Materials & Continua 2023年第6期75卷 5213-5228页

作者： Sobia Nawaz Sidra Rasheed wania sami Lal Hussain Amjad Aldweesh Elsayed Tag eldin Umair Ahmad Salaria Mohammad Shahbaz Khan Basic Health Unit Sumra Lodhran59320Pakistan Basic Health Unit 20-G ChishtianBahawalnagar62300Pakistan Doctor’s Hospital Lahore54590Pakistan Department of Computer Science&IT Neelum CampusThe University of Azad Jammu and KashmirAthmuqam13230Azad KashmirPakistan Department of Computer Science&IT King Abdullah CampusThe University of Azad Jammu and KashmirMuzaffarabad13100Azad KashmirPakistan College of Computer science and information technology Shaqra UniversityShaqra15273Saudi Arabia Faculty of Engineering and Technology Future University in EgyptNew Cairo11835Egypt Department of Electrical Engineering University of Azad Jammu and KashmirChehla CampusMuzaffarabad13100Azad KashmirPakistan Department of Electrical Engineering Mirpur University of Science&TechnologyMirpurMuzaffarabad10250Azad KashmirPakistan Children’s National Hospital 111 Michigan AVE NWWashingtonDC20854USA

This study is designed to develop Artificial Intelligence(AI)based analysis tool that could accurately detect COVID-19 lung infections based on portable chest x-rays(CXRs).The frontline physicians and radiologists suffer from grand challenges for COVID-19 pandemic due to the suboptimal image quality and the large volume of *** this study,AI-based analysis tools were developed that can precisely classify COVID-19 lung *** available datasets of COVID-19(N=1525),non-COVID-19 normal(N=1525),viral pneumonia(N=1342)and bacterial pneumonia(N=2521)from the Italian Society of Medical and Interventional Radiology(SIRM),Radiopaedia,The Cancer Imaging Archive(TCIA)and Kaggle repositories were taken.A multi-approach utilizing deep learning ResNet101 with and without hyperparameters optimization was ***,the fea-tures extracted from the average pooling layer of ResNet101 were used as input to machine learning(ML)algorithms,which twice trained the learning *** ResNet101 with optimized parameters yielded improved performance to default *** extracted features from ResNet101 are fed to the k-nearest neighbor(KNN)and support vector machine(SVM)yielded the highest 3-class classification performance of 99.86%and 99.46%,*** results indicate that the proposed approach can be bet-ter utilized for improving the accuracy and diagnostic efficiency of *** proposed deep learning model has the potential to improve further the efficiency of the healthcare systems for proper diagnosis and prognosis of COVID-19 lung infection.

关键词： COVID-19 deep learning(DL) lung infection convolutional neural network(CNN)

来源：

维普期刊数据库评论

在线全文

维普期刊数据库

学校读者我要写书评

暂无评论

对多氯联苯的全球分馏加以量化

引用

AMBIO－人类环境杂志 2004年第3期33卷 145-152页

作者： Frank wania Yushan Su 李康民卡伯勒多伦多大学化学系天津轻工业大学

由于有广泛的理化特性,多氯联苯(PCBs)在全球分馏假设求导中担任着重要角色,这种假设预测持久性有机污染混合物的组成随纬度产生变化。最新的历史排放估计、内部一致的特性数据集和按气候带平均的全球命运和运输模型结合在一起允许把PCB... 详细信息

由于有广泛的理化特性,多氯联苯(PCBs)在全球分馏假设求导中担任着重要角色,这种假设预测持久性有机污染混合物的组成随纬度产生变化。最新的历史排放估计、内部一致的特性数据集和按气候带平均的全球命运和运输模型结合在一起允许把PCBs所经历的成分转移作为环境区划、纬度和时间的一个函数的定量调查。模型模拟复制出纬度越高在大气和土壤中所观察到的较轻PCB同类物的相对丰度就越高,并量化了分割、持久性和排放在建立PCB格局过程中的相对重要性。组成变化不仅与倒转的浓度剖面一致(北极区浓度高于低纬度区)也与全球分馏一致,但只与向北转移的全球PCB存量的较小部分一致。

关键词：全球存量内部环境区划 PCB 假设量化转移观察定量调查

来源：

维普期刊数据库

同方期刊数据库评论

在线全文

学校读者我要写书评

暂无评论

环境中全氟辛酸及其盐类的来源

环境中全氟辛酸及其盐类的来源

引用

持久性有机污染物论坛2017暨第十二届持久性有机污染物...

作者：李力胡建信刘建国 Frank wania 北京大学环境科学与工程学院多伦多大学物理与环境科学系

＜正＞1.引言全氟辛酸（C7F15COOH,化学文摘编号335-67-1）的异构体、盐类和相关化合物（其定义及涵盖物质参见文献[1]）已于2015年被提名审查是否符合《斯德哥尔摩公约》受控持久性有机污染物的标准,从而谋求在国际尺度上共同联合管控...

＜正＞1.引言全氟辛酸（C7F15COOH,化学文摘编号335-67-1）的异构体、盐类和相关化合物（其定义及涵盖物质参见文献[1]）已于2015年被提名审查是否符合《斯德哥尔摩公约》受控持久性有机污染物的标准,从而谋求在国际尺度上共同联合管控其环境和健康风险。而作为环境和健康风险管控的先决条件,详尽、充分且全面地追溯和了解环境中上述物质的来源则无疑重要而紧迫。本研究（详见文献[2,3]）通过文献分析和实地调研,识别了环境中全氟辛酸及其盐类(perfluorooctanoic acid and

关键词：

来源： cnki会议评论

在线全文

cnki会议

学校读者我要写书评

暂无评论

评估鱼类消费建议的有效性:模拟产前、产后和儿童期持久性有机污染物暴露

引用

环境与职业医学 2014年第5期31卷 376-376页

作者： Matthew J.Binnington Cristina L.Quinn Michael S.McLachlan Frank wania

[背景]由于人类持久性有机污染物(POPs)暴露主要是缘于摄入受污染的食物,监管机构针对人们关注的食物颁布饮食消费建议,阐述摄入量的安全水平,特别是鱼类。[目的]评估鱼类消费建议对于降低婴儿和儿童POPs暴露的有效性。[方法]采用时间-... 详细信息

[背景]由于人类持久性有机污染物(POPs)暴露主要是缘于摄入受污染的食物,监管机构针对人们关注的食物颁布饮食消费建议,阐述摄入量的安全水平,特别是鱼类。[目的]评估鱼类消费建议对于降低婴儿和儿童POPs暴露的有效性。[方法]采用时间-变量机制模型CoZMoMAN,根据产妇指南的不同场景,按照假设恒定的以及实际上随时间变化的化学物质排放,评估和比较产前、产后和儿童期的多氯联苯同系物PCB-153暴露。场景因依从性的长度(1年与5年)、鱼类替代的程度(全部与一半)以及更换膳食(未受污染的农产品与牛肉)等条件而各不相同。评估一系列理论上化学品潜在暴露的减少,以探讨指南的有效性如何随着化学物的分类和降解能力而发生变化。[结果]在假设存在建议依从性的实际时间段的前提下,暂时取消或减少产妇食用鱼类,在很大的程度上对于降低产前和产后在人类体内清除半衰期长的物质暴露是无效的,尤其是在环境排放降低的时期。以牛肉取代鱼类实际上可能导致更高的某些类别环境污染物暴露。另一方面,对于减少清除半衰期短于依从性长度的物质暴露,消费建议可能非常有效。[结论]上述模型评估提示,对于在人体内清除半衰期长的化合物,鱼类消费建议不太可能有效地减少产前、产后以及童年期的暴露。

关键词：多氯联苯同系物童年期依从性降解能力化学物质模型评估机制模型 POPs 时间变化

来源：

维普期刊数据库

同方期刊数据库评论

在线全文

学校读者我要写书评

暂无评论

筛选水平的暴露和风险评估中化学物优先次序及数据要求

引用

环境与职业医学 2013年第2期30卷 147-147页

作者： Jon A.Arnot Trevor N.Brown Frank wania Knut Breivik Michael S.McLachlan

[背景]科学家和监管机构努力确定可能危害人类和环境的化学物质。然而,需要评估的化学物质数量巨大,而数据和资源有限,因此确定优先次序是个挑战。[目的]为了确定化学品暴露与潜在暴露风险的优先次序,并针对研究需要,从定量角度更好地... 详细信息

[背景]科学家和监管机构努力确定可能危害人类和环境的化学物质。然而,需要评估的化学物质数量巨大,而数据和资源有限,因此确定优先次序是个挑战。[目的]为了确定化学品暴露与潜在暴露风险的优先次序,并针对研究需要,从定量角度更好地解决筛选评估中的不确定性因素。[方法]采用多媒体质量平衡模型来确定>12000种有机化工原料的优先次序,使用4个远场人类暴露指标,对关键化学品信息的传播差异(不确定性)进行了量化,并以它作为模型输入来计算暴露指标。[结果]模拟的人口浓度和摄入率分别跨越约17和15个数量级。使用人口浓度和单位排放率估计潜在的暴露跨越约13个数量级,摄入分数跨越7个数量级。实际的化学品排放率是导致暴露评估差异(不确定性)的最大因素。人类生物转化半衰期是评估浓度不确定性的第二大来源。一般情况下,在模拟暴露与潜在暴露中,与化学分配系数相比,生物转化和生物降解的半衰期是不确定性的更大来源。[结论]机械暴露模型适用于大量化学品的筛选和确定优先次序。通过包括不确定性分析和暴露评估中化学信息的不确定性,能以系统化的方式帮助识别和解决人类暴露和风险评估中不确定性的重要来源。

关键词：曝光高通量有机化工品风险不确定性分析

来源：

维普期刊数据库

同方期刊数据库评论

在线全文

学校读者我要写书评

暂无评论

欢迎您,

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

在线全文

在线全文

在线全文

在线全文

在线全文

请选择保存的检索档案：

请选择收藏分类：

通借通还

欢迎您,

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

在线全文

在线全文

在线全文

在线全文

在线全文

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：