【CCCC】L3-004 肿瘤诊断 (30分),三维BFS

简介: 【CCCC】L3-004 肿瘤诊断 (30分),三维BFS

problem

L3-004 肿瘤诊断 (30分)
在诊断肿瘤疾病时,计算肿瘤体积是很重要的一环。给定病灶扫描切片中标注出的疑似肿瘤区域,请你计算肿瘤的体积。

输入格式:
输入第一行给出4个正整数:M、N、L、T,其中M和N是每张切片的尺寸(即每张切片是一个M×N的像素矩阵。最大分辨率是1286×128);L(≤60)是切片的张数;T是一个整数阈值(若疑似肿瘤的连通体体积小于T,则该小块忽略不计)。

最后给出L张切片。每张用一个由0和1组成的M×N的矩阵表示,其中1表示疑似肿瘤的像素,0表示正常像素。由于切片厚度可以认为是一个常数,于是我们只要数连通体中1的个数就可以得到体积了。麻烦的是,可能存在多个肿瘤,这时我们只统计那些体积不小于T的。两个像素被认为是“连通的”,如果它们有一个共同的切面,如下图所示,所有6个红色的像素都与蓝色的像素连通。

输出格式:
在一行中输出肿瘤的总体积。

输入样例:
3 4 5 2
1 1 1 1
1 1 1 1
1 1 1 1
0 0 1 1
0 0 1 1
0 0 1 1
1 0 1 1
0 1 0 0
0 0 0 0
1 0 1 1
0 0 0 0
0 0 0 0
0 0 0 1
0 0 0 1
1 0 0 0
输出样例:
26

  • 给出L个N*M的01矩阵(立体),求所有大于T的联通块大小之和。
  • 数据范围1e3*1e2*60

solution

  • 很明显就是一个三维搜索,上下左右前后六个面
  • 但是三维,DFS层数过多会爆栈,大佬手动加栈,我还是BFS把
  • 令ak[j]表示空间第k片(i,j)的位置,爆搜即可。
#include<bits/stdc++.h>
using namespace std;

int n, m, l, t, a[61][129][1287];

int ans = 0;
struct xyz{int x, y, z;};
int dx[6][3] = {{1,0,0},{-1,0,0},{0,1,0},{0,-1,0},{0,0,1},{0,0,-1}};
int check(int x, int y, int z){if(x<0||y<0||z<0||x>=l||y>=n||z>=m)return 0;return 1;}
void bfs(int x, int y, int z){
    queue<xyz>q;  
    q.push(xyz{x,y,z}); 
    a[x][y][z] = 0;
    int sum = 1;
    while(q.size()){
        xyz k = q.front(); q.pop();
        for(int i = 0; i < 6; i++){
            xyz kk = k;//kk!=k,WA3,6,这TM也能过样例?!
            kk.x += dx[i][0];
            kk.y += dx[i][1];
            kk.z += dx[i][2];
            if(check(kk.x,kk.y,kk.z) && a[kk.x][kk.y][kk.z]){
                a[kk.x][kk.y][kk.z] = 0;
                sum++;
                q.push(kk);
            }
        }
    }
    if(sum>=t)ans += sum;
}


int main(){
    cin>>n>>m>>l>>t;
    for(int k = 0; k < l; k++)
        for(int i = 0; i < n; i++)
            for(int j = 0; j < m; j++)
                cin>>a[k][i][j];
    for(int k = 0; k < l; k++)
        for(int i = 0; i < n; i++)
            for(int j = 0; j < m; j++)
                if(a[k][i][j])bfs(k,i,j);
    cout<<ans<<endl;
    return 0;
}
目录
相关文章
|
3月前
|
算法 Python 容器
基于最低水平面的三维装箱问题的启发式算法
基于最低水平面的三维装箱问题的启发式算法
22 0
|
4月前
|
数据挖掘 C语言
R语言极值理论 EVT、POT超阈值、GARCH 模型分析股票指数VaR、条件CVaR:多元化投资组合预测风险测度分析
R语言极值理论 EVT、POT超阈值、GARCH 模型分析股票指数VaR、条件CVaR:多元化投资组合预测风险测度分析
|
4月前
|
数据可视化 数据建模
R语言广义加性混合模型(GAMM)分析长沙气象因子、空气污染、PM2.5浓度、显著性检验、逐日变化可视化(下)
R语言广义加性混合模型(GAMM)分析长沙气象因子、空气污染、PM2.5浓度、显著性检验、逐日变化可视化
|
4月前
|
数据可视化
R语言分段线性回归分析预测车辆的制动距离
R语言分段线性回归分析预测车辆的制动距离
|
4月前
|
机器学习/深度学习 算法 数据挖掘
JCR一区5.4分|经典~非肿瘤机器学习筛选生物标志物+qPCR
本文介绍了一项使用机器学习算法识别间变性甲状腺癌(ATC)新型生物标志物和免疫浸润特征的研究。该研究发表在2023年9月的《Journal of Endocrinological Investigation》上,IF为5.4。通过对GEO数据库中的RNA测序数据进行分析,研究人员鉴定出425个差异表达基因,并利用LASSO和SVM-RFE算法确定了4个ATC特征基因(ADM、PXDN、MMP1和TFF3)。这些基因在诊断、药物敏感性和免疫微环境中具有潜在价值,可能成为ATC诊断和治疗的生物标志物。
87 0
|
4月前
|
机器学习/深度学习 算法 数据挖掘
Hybrid-SORT起飞 | 超过DeepSORT将近10个点的多目标跟踪香不香?
Hybrid-SORT起飞 | 超过DeepSORT将近10个点的多目标跟踪香不香?
147 0
|
4月前
|
计算机视觉 Python
OpenCV多目标匹配绘制红框及统计铁路站台总数、最短距离地铁站实战(附Python源码)
OpenCV多目标匹配绘制红框及统计铁路站台总数、最短距离地铁站实战(附Python源码)
64 0
OpenCV多目标匹配绘制红框及统计铁路站台总数、最短距离地铁站实战(附Python源码)
|
存储 Go 数据库
R|clusterProfiler-富集分析
R|clusterProfiler-富集分析
327 0
|
机器学习/深度学习 算法 计算机视觉
智慧交通day02-车流量检测实现09:SORT/deepSORT
SORT核心是卡尔曼滤波和匈牙利匹配两个算法。流程图如下所示,可以看到整体可以拆分为两个部分,分别是匹配过程和卡尔曼预测加更新过程,都用灰色框标出来了。
290 0
|
存储 算法
基于禁忌搜索的TSP问题求解仿真输出路线规划图和收敛曲线
基于禁忌搜索的TSP问题求解仿真输出路线规划图和收敛曲线
176 0
基于禁忌搜索的TSP问题求解仿真输出路线规划图和收敛曲线