組織閾量 的英文怎麼說

中文拼音 [zǔzhīyùliáng]
組織閾量 英文
tissue equivalent dose
  • 組 : Ⅰ名詞1 （由不多的人員組成的單位） group 2 （姓氏） a surname Ⅱ動詞（組織） organize; form Ⅲ量詞（...
  • 織 : 動詞（編織） knit; weave
  • 閾 : 名詞1. [書面語] （門坎兒） threshold; doorsill2. （界限; 范圍） threshold
  • 量 : 量動1. （度量） measure 2. （估量） estimate; size up
  • 組織 : 1 （組織系統） organization; organized system 2 （組成） organize; form 3 [紡織] weave 4 [醫學] [...
  1. But the standard mc has some shortcomings : firstly, the standard mc picks up isosurfaces by threshold, however, threshold segmentation is invalid for picking up tissues or organs from some medical images ; secondly, the standard mc pocesses cubes one by one, that is to say, all the cubes will be checked, and the algorithm spents 30 % - 70 % of time to check the null units, so we need a reasonable data structure to travel the space data and accelerate the checking or filting of null units ; thirdly, the standard mc has a large scale of triangles, normally, the tissue or organ reconstructed includes hundreds of thousands so much as millions of triangles, this means it hardly to execute real - time rendering or interaction ; lastly, the standard mc can not get the very smoothly surface mesh, and there will be some unexpected accidented cases, especially in the case of big errors in oringinal data

    但是標準mc演算法存在較大的問題:標準mc演算法實質上是通過閾值分割來提取等值面，閾值分割對某些醫學圖像的組織或器官的提取難以得到較好的效果;標準mc演算法是逐個移動立方體來進行處理，就是說對所有的立方體都要進行一次檢測，演算法執行中30 % ~ 70 %的時間用在對空單元的檢測上，因此需要有一種合理的數據結構對空間數據進行有效的遍歷，以加速對空單元的檢測和過濾;標準mc演算法產生了大量的三角面片，一般重建的組織或器官包含數十萬甚至上百萬的三角面片，難以實現實時的繪制和交互操作;標準mc演算法得到的表面網格並不光滑，會有一些不期望的凹凸，特別是在原始數據有較大誤差的情況下尤其突出。
  2. For other major organs, the annual dose limits for preventing deterministic effects are as follows

    至於其他主要人體組織確定性效應的劑量閾值如下
  3. The paper analyzes binary - split gradient & threshold initial codebook generation - algorithms, codebook generation algorithms based on kohonen self - organizing feature map neural network, a fast codeword searching algorithm using l2 - norm pyramid data structure, side - match vector quantization algorithms, and a fuzzy classified vector quantization algorithm, systematicly explores their application to image compression, computer simulation results show that they are practical and efficient

    文中重點分析了二元分裂梯度與閾值初始碼書生成演算法、基於kohonen自組織特徵映射神經網路的碼書生成演算法、基於l2范數金字塔數據結構的快速碼字搜索演算法、邊緣匹配矢量量化演算法、模糊分類矢量量化演算法，系統地研究了它們在圖像壓縮編碼中的應用，並進行了計算機模擬，實驗結果表明這些演算法是實際有效的。
分享友人
分享到 Line

分享到臉書