全文获取类型
收费全文 | 1221篇 |
免费 | 76篇 |
国内免费 | 77篇 |
专业分类
化学 | 173篇 |
晶体学 | 1篇 |
力学 | 2篇 |
综合类 | 24篇 |
数学 | 25篇 |
物理学 | 299篇 |
无线电 | 850篇 |
出版年
2024年 | 8篇 |
2023年 | 42篇 |
2022年 | 54篇 |
2021年 | 38篇 |
2020年 | 29篇 |
2019年 | 25篇 |
2018年 | 6篇 |
2017年 | 32篇 |
2016年 | 39篇 |
2015年 | 46篇 |
2014年 | 81篇 |
2013年 | 64篇 |
2012年 | 49篇 |
2011年 | 81篇 |
2010年 | 53篇 |
2009年 | 61篇 |
2008年 | 45篇 |
2007年 | 72篇 |
2006年 | 37篇 |
2005年 | 37篇 |
2004年 | 48篇 |
2003年 | 43篇 |
2002年 | 27篇 |
2001年 | 44篇 |
2000年 | 26篇 |
1999年 | 31篇 |
1998年 | 26篇 |
1997年 | 32篇 |
1996年 | 14篇 |
1995年 | 31篇 |
1994年 | 26篇 |
1993年 | 14篇 |
1992年 | 18篇 |
1991年 | 18篇 |
1990年 | 17篇 |
1989年 | 26篇 |
1988年 | 4篇 |
1987年 | 5篇 |
1986年 | 3篇 |
1984年 | 2篇 |
1983年 | 2篇 |
1982年 | 11篇 |
1981年 | 4篇 |
1980年 | 2篇 |
1979年 | 1篇 |
排序方式: 共有1374条查询结果,搜索用时 0 毫秒
111.
113.
医学应用模拟集成电路是医学芯片的重要组成部分。阐述了医学应用模拟集成电路的低功耗、低频率、低噪声设计方法;列举了具有代表性的设计,展望了医学芯片的发展前景。 相似文献
114.
基于模糊PCNN的小波域超声医学图像去噪方法 总被引:2,自引:1,他引:1
在分析了斑点噪声和PCNN的特点的基础上,将PCNN引入到小波域中,并结合小波软阈值去噪思想,提出了基于PCNN的超声医学图像软阈值去噪方法(ST-PCNN),该方法的优点是实现了在小波域中利用PCNN来识别高频信号的小波系数,并采用相应的方法处理小波系数,改善了PCNN难以确定斑点噪声的位置和采用固定阈值造成高频信号损失的缺点,更好的保留了低于固定阈值的高频信号的小波系数;在此基础上,将模糊算法引入到PCNN模型中,进一步提出了基于模糊PCNN的小波域超声医学图像去噪方法(F-PCNN-WD),该方法利用模糊算法来去除PCNN点火过程中大于点火阈值的斑点噪声的小波系数,以更好的去除斑点噪声。实验结果表明,ST-PCNN和F-PCNN-WD方法不仅能够有效地去除噪声,而且能够很好的保留图像的边缘和细节信息。 相似文献
115.
在选择适用于麻醉机.呼吸机和医院诊断设备的传感器时,一定要考虑到特殊的需求和性能正如每种医疗过程的背后都有着一门真正的科学,在确定用于辅助疾病的诊断和治疗的复杂医疗设备中的气流和硅基压力传感器的背后也存在着一门科学。 相似文献
116.
医学普及是科普的重要内容之一。民族医学的普及又是在特定地区医学普及的重要内容。本文基于对内蒙古地区一些有代表性的有蒙医的医院的医普挂图的调查,分析和讨论了在其中体现出来的蒙医普及的现状和问题。 相似文献
117.
本文着重论述了如何通过前期所建立的有线电视系统的辅助手段来实现目前最先进的、不可或缺的应用于现代医疗项目上的虚拟现实技术。故而本文着重论述了在现代医疗中虚拟现实技术的实际应用。并从虚拟解剖学、虚拟实验室和虚拟手术3个方面介绍了虚拟现实技术在医学训练领域与声像网络传输相结合的应用。 相似文献
118.
119.
针对腹部器官边界模糊、对比度不高以及肝脏和肿瘤形状易发生变化的问题,提出了一种基于特征融合的肝脏肿瘤自动分割方法,该方法进行两个阶段的训练.第一阶段使用改进的U-Net网络进行肝脏的分割;第二阶段用第一阶段的肝脏分割结果生成感兴趣区域(ROI),将ROI作为输入进行肿瘤的分割,这样能有效避免不相关信息带来的影响.本文提... 相似文献
120.
早期肺癌在影像学的表现形式之一是肺结节,其中磨玻璃样肺结节(Ground-Glass Nodules, GGNs)被认为是恶变可能性最大的肺结节之一。在诊断性CT图像上GGNs存在边缘模糊、大小形状各异、不规则等影响分割精度的问题。针对GGNs形态复杂、分割精确度欠佳的问题,提出了一种生成对抗式网络(Generative Adversarial Network, GAN)——GAN-DeepLabv3+,将DeepLabv3+作为图像分割生成器网络,通过引入编解码器结构,将深度可分离卷积应用到空洞空间卷积池化金字塔和解码器模块上,通过对抗式训练,最终获得GGNs病灶分割模型。实验结果证明,在对GGNs患者的CT医学图像的分割中,所提方法Dice系数为0.952,交并比(Intersection over Union, IoU)为0.876,像素精确度(Pixel Accuracy, PA)为0.991,相较于原始DeepLabv3+和ACRU-Net等现有方法,对GGNs均有一定的提升。 相似文献