| 1 |
|
|
|
|
|
10 |
-.50
-.25
+.25
เต็ม
0
-35%
+30%
+35%
|
| 2 |
|
|
|
|
|
10 |
-.50
-.25
+.25
เต็ม
0
-35%
+30%
+35%
|
| 3 |
ในการหักของกระดูก จะมีสูตรพลังงาน ณ จุดที่กระดูกหัก คือ U = lsbB2/2y โดยที่ความยาวกระดูก = 90 cm, average surface area = 6 cm2 ค่า young modulus = 14x105 N/cm2 จงหาค่าพลังงาน
|
|
|
|
|
10 |
-.50
-.25
+.25
เต็ม
0
-35%
+30%
+35%
|
| 4 |
คำนวณค่า protein (หน่วย mg/24) ในปัสสาวะ 24 hr
Total volume = 2400 ml Urine protein = 2.7 mg/dL
|
|
|
|
|
10 |
-.50
-.25
+.25
เต็ม
0
-35%
+30%
+35%
|
| 5 |
ข้อใดไม่ใช่ประโยชน์ของ Nanoparticle
|
|
|
|
|
10 |
-.50
-.25
+.25
เต็ม
0
-35%
+30%
+35%
|
| 6 |
Microfluidic system มีข้อจำกัดใด
|
|
|
|
|
10 |
-.50
-.25
+.25
เต็ม
0
-35%
+30%
+35%
|
| 7 |
ค่า Modulus Young ของโปรตีน บอกอะไรเราได้ ยกเว้นข้อใด
|
|
|
|
|
10 |
-.50
-.25
+.25
เต็ม
0
-35%
+30%
+35%
|
| 8 |
หากสูตรของการหาความยาวของ Protein helix คือ lengthA = (4x10^8)/660 x A
จงหาความยาวของ Protein A หากมี 2.6 A°
|
|
|
|
|
10 |
-.50
-.25
+.25
เต็ม
0
-35%
+30%
+35%
|
| 9 |
การมี membrane ที่เป็น fluid- like bilayer structure protein จะเกิดการเรียนงตัวอย่างไร
|
|
|
|
|
10 |
-.50
-.25
+.25
เต็ม
0
-35%
+30%
+35%
|
| 10 |
ข้อใดไม่ใช่ประโยชน์ของความหนืด
|
|
|
|
|
10 |
-.50
-.25
+.25
เต็ม
0
-35%
+30%
+35%
|
| 11 |
นักวิ่งใช้กฎ Newton's ข้อใดในการเริ่มวิ่ง
|
|
|
|
|
10 |
-.50
-.25
+.25
เต็ม
0
-35%
+30%
+35%
|
| 12 |
จากบทความนี้
Purpose: Breast cancer is a prominent cancer type with high mortality. Early detection of breast cancer could serve to improve clinical outcomes. Ultrasonography is a digital imaging technique used to differentiate benign and malignant tumors. Several artificial intelligence techniques have been suggested in the literature for breast cancer detection using breast ultrasonography (BUS). Nowadays, particularly deep learning methods have been applied to biomedical images to achieve high classification performances.
Patients and Methods: This work presents a new deep feature generation technique for breast cancer detection using BUS images. The widely known 16 pre-trained CNN models have been used in this framework as feature generators. In the feature generation phase, the used input image is divided into rows and columns, and these deep feature generators (pre-trained models) have applied to each row and column. Therefore, this method is called a grid-based deep feature generator. The proposed grid-based deep feature generator can calculate the error value of each deep feature generator, and then it selects the best three feature vectors as a final feature vector. In the feature selection phase, iterative neighborhood component analysis (INCA) choose 980 features as an optimal number of features. Finally, These features are classified by using a deep neural network (DNN).
Results: The developed grid-based deep feature generation-based image classification model reached 97.18% classification accuracy on the ultrasonic images for three classes, namely malignant, benign, and normal.
Conclusion: The findings obviously denoted that the proposed grid deep feature generator and INCA-based feature selection model successfully classified breast ultrasonic images.
Keywords: deep classification framework, deep neural network, grid-based deep feature generator, iterative feature selection, breast ultrasonography (BUS)
จงสรุปว่าบทความต้องการใช้ Ultrasonic imaging ในการทำสิ่งใดและได้ผลอย่างไร
|
|
|
|
|
10 |
-.50
-.25
+.25
เต็ม
0
-35%
+30%
+35%
|
| 13 |
Abstract
In this global pandemic situation of coronavirus disease (COVID-19), it is of foremost priority to look up efficient and faster diagnosis methods for reducing the transmission rate of the virus severe acute respiratory syndrome coronavirus2 (SARS-CoV-2), Recent research has indicated that radio-logical images carry essential information about the COVID-19 virus. Therefore, artificial intelligence (AI) assisted automated detection of lung infections may serve as a potential diagnostic tool. It can be augmented with conventional medical tests for tackling COVID-19. In this paper, we propose a new method for detecting COVID-19 and pneumonia using chest X-ray images. The proposed method can be described as a three-step process. The first step includes the segmentation of the raw X-ray images using the conditional generative adversarial network (C-GAN) for obtaining the lung images. In the second step, we feed the segmented lung images into a novel pipeline combining key points extraction methods and trained deep neural networks (DNN) for extraction of discriminatory features. Several machine learning (ML) models are employed to classify COVID-19, pneumonia, and normal lung images in the final step. A comparative analysis of the classification performance is carried out among the different proposed architectures combining DNNs, key point extraction methods, and ML models. We have achieved the highest testing classification accuracy of 96.6% using the VGG-19 model associated with the binary robust invariant scalable key-points (BRISK) algorithm. The proposed method can be efficiently used for screening of COVID-19 infected patients.
อยากทราบว่าบทความนี้พูดอะไรถึงการประยุกต์ใช้ x-ray imaging
|
|
|
|
|
10 |
-.50
-.25
+.25
เต็ม
0
-35%
+30%
+35%
|
| 14 |
ให้นักเรียน set up การทดลองด้านมะเร็ง โดยใช้ Fluorescence ในการทดลอง
|
|
|
|
|
10 |
-.50
-.25
+.25
เต็ม
0
-35%
+30%
+35%
|
| 15 |
ให้นักเรียนยกตัวอย่างการใช้ physics ใน pathology (พยาธิวิทยา)
|
|
|
|
|
10 |
-.50
-.25
+.25
เต็ม
0
-35%
+30%
+35%
|
| 16 |
จงยกตัวอย่าง ultrasonic therapy ในการรักษา bacteria
|
|
|
|
|
10 |
-.50
-.25
+.25
เต็ม
0
-35%
+30%
+35%
|
| 17 |
Vibrational medicine มีผลกับ bone health อย่างไร
|
|
|
|
|
10 |
-.50
-.25
+.25
เต็ม
0
-35%
+30%
+35%
|
| 18 |
จงอธิบายการใช้ laser ในการรักษาโรค Rheumatoid
|
|
|
|
|
10 |
-.50
-.25
+.25
เต็ม
0
-35%
+30%
+35%
|
| 19 |
ให้นักเรียนตั้ง Experiment ใหม่ขึ้นมาที่ใช้หลักการทาง Physics ในการรักษาโรค COVID-19 โดยที่ข้อ 19 ให้นักเรียนอธิบายการทดลองและข้อ 20 ให้นักเรียนวาดภาพจำลองการทดลอง (แนบส่งเป็นไฟล์หลังส่งข้อสอบ)
|
|
|
|
|
10 |
-.50
-.25
+.25
เต็ม
0
-35%
+30%
+35%
|
| 20 |
ให้นักเรียนตั้ง Experiment ใหม่ขึ้นมาที่ใช้หลักการทาง Physics ในการรักษาโรค COVID-19 โดยที่ข้อ 19 ให้นักเรียนอธิบายการทดลองและข้อ 20 ให้นักเรียนวาดภาพจำลองการทดลอง (แนบส่งเป็นไฟล์หลังส่งข้อสอบ)
|
|
|
|
|
10 |
-.50
-.25
+.25
เต็ม
0
-35%
+30%
+35%
|