歡迎來到演算法、軟體和硬體三位一體的未來世界論文書籍站
臺北醫學大學 醫學資訊研究所 邱泓文所指導 陳其蒙的 應用深度學習結合參數顏色編碼技術於血管攝影作自動切割動脈瘤 （2019），提出全景軟體rava關鍵因素是什麼，來自於血管攝影、iFlow、卷積神經網路、U-Net、平均IoU、DICE。
而第二篇論文國立中興大學 資訊科學與工程學系 廖宜恩所指導 陳守銘的 基於DevOps模型之商業智慧系統開發 （2016），提出因為有 DevOps、商業智慧、線上分析處理、敏捷式開發的重點而找出了 全景軟體rava的解答。
應用深度學習結合參數顏色編碼技術於血管攝影作自動切割動脈瘤
為了解決全景軟體rava 的問題，作者陳其蒙 這樣論述：
論文名稱：應用深度學習結合參數顏色編碼技術於血管攝影 作自動切割動脈瘤研究所名稱：臺北醫學大學醫學資訊研究所研究生姓名： 陳其蒙指導教授：邱泓文 博士 臺北醫學大學醫學資訊研究所 教授 在國人十大死因當中，腦血管疾病始終在前五名之間居高不下，腦血管疾病衍生出來的的嚴重問題被統稱為腦中風。可分為出血性與缺血性，目前診斷顱內血管疾病的方式，主要依賴影像診斷科的檢查與判斷。藉由血管攝影檢查（DSA）的減像技術及三度空間旋轉攝影，更能明確的診斷。藉由儀器的程式（iFlow），對比劑產生時序的動態特性並對其作顏色編碼合併成一彩色的影像。 運用深度學習中擁有高度成效的卷
積神經網路（CNN）方式，加上U-Net的編碼，建立出模組。將醫療影像輸入此模組，執行自動的圈選及驗證。利用得出的數據，全彩圖像平均IoU為0.79，三原色（紅、綠、藍）色階的平均IoU依序為0.77、0.78、0.65；全彩圖像的DICE為0.88，三原色（紅、綠、藍）色階的DICE依序為0.86、0.87、0.79。可得知，利用全彩的圖像作自動分割會優於單獨色階的圖像，但綠色色階結果與其相近。重要的是，我們發現對比劑位於動脈相（紅色）中段到靜脈相（藍色）之前的顏色（綠色）最容易被分辨出。
基於DevOps模型之商業智慧系統開發
為了解決全景軟體rava 的問題，作者陳守銘 這樣論述：
建全的企業營運在業績成長及長期經營之下，系統資料量越來越大，以及面對資料探勘技術與敏捷式決策系統開發方法的發展，如何從原有的線上運作系統調整為敏捷式的軟體系統，已成為目前企業重要的議題。本論文提出以DevOps（Development and Operations）模型開發商業智慧系統，具有下列的特性：以WebUI動態建置自訂模組、動態OLAP資料預處理、模組化的DevOps。實驗結果顯示，本系統比原有的線上運作系統，在系統查詢效能方面提升約4.56倍；在系統橫向擴展(Scale out) 方面，可以降低資料庫伺服器的負載，以及彈性擴增應用層的服務承載量。