- 综合排序
- 最热优先
- 最新优先
- 来自专栏机器之心
哈佛大学医学院博士后招聘-NLP和医学信息学方向
本期将为大家介绍哈佛大学医学院招聘一名医学信息学博士后的消息。 ）现公开招聘 1 名博士后科研人员，开展包括医学信息学、健康大数据分析、自然语言处理等方面的研究工作。 更多中心信息，请参见主页：https://www.drugepi.org/ 该研究中心正在招聘一名医学信息学博士后，博士后将获得哈佛大学医学院的任命，接受该中心和哈佛大学的教职工的密切指导，并参与一个或多个旨在利用先进的人工智能和信息技术分析大规模 导师团队还将包括医学信息学、人工智能方向的教职工。 三、 招聘要求 申请人需要具有计算机、医学信息学、医学等相关领域博士学位（PhD/ScD/DrPH, MD, PharmD 等）。
70440编辑于 2023-02-28 - 来自专栏云云众生s
发挥现代信息技术，助力拯救生命医学进步
近年来，医学研究和医疗保健行业见证了基因组测序和AI辅助医疗应用等救命技术进步带来的革命性突破。然而，这些新技术每月为医疗机构生成数百TB的基因组数据。 其放射科现在使用AI和数据分析来阅读医学图像、识别异常并向专家提供建议进行专业评估。有了现代的数据存储系统，该中心的AI驱动工具提高了阅读准确度并加快了患者治疗。 其放射科现在使用AI和数据分析来阅读医学图像、识别异常并向专家提供建议进行专业评估。有了现代的数据存储系统，该中心的AI驱动工具提高了阅读准确度并加快了患者治疗。
20210编辑于 2024-03-28 - 来自专栏技术随笔
如何应用Python处理医学影像学中的DICOM信息
DICOM（Digital Imaging and Communications in Medicine）即医学数字成像和通信，是医学图像和相关信息的国际标准（ISO 12052）。 它定义了质量能满足临床需要的可用于数据交换的医学图像格式，可用于处理、存储、打印和传输医学影像信息。DICOM可以便捷地交换于两个满足DICOM格式协议的工作站之间。 在数以万计的在用医学成像设备中，DICOM是部署最为广泛的医疗信息标准之一。当前大约有百亿级符合DICOM标准的医学图像用于临床使用。 应用pydicom来提取患者信息。 img_array_list = [] for img in img_array: clahe = cv2.createCLAHE(clipLimit = limit, tileGridSize = (8,8
4.5K60发布于 2018-05-16 - 来自专栏全栈程序员必看
医学图形图像处理(医学影像和医学图像处理)
文章目录 1 图像和数字图像 2 图像分类 2.1 简单分类 2.2 传感器分类 2.3 维度分类 3 图像处理流程 4 医学图像 1 图像和数字图像 数字图像： 被定义为一个二维函数，f(x,y)， （3）坐标 图像存储在计算机中会丢失信息，因为是从一个连续的空间到离散空间的再采样过程。 图像数据： 生活中是二维的，医学上通常还有3维和4维的。 ,jpg等格式，这些格式是对图像信息的压缩。 （3）彩色图像： 包含更加丰富的信息，实际上时3个灰度图像的叠加，R/G/B的channel的混合。 （6）X光（X-ray）： （7）MRI（RF、核磁共振）图像： （8）超声图像： 2.3 维度分类 （1）二维： 日常生活中看到的都是二维图像 （2）三维：
1.7K10编辑于 2022-07-31 - 来自专栏DrugOne
JCIM | 化学、生物和生物医学科学的信息学研究
编·译作者 | 王建民 信息学正在跨学科发展，影响着化学、生物和生物医学的多个领域。除了成熟的生物信息学学科，其他以信息学为基础的跨学科领域也在不断发展，如化学信息学和生物医学信息学。 重点讨论了生物信息学、化学信息学和生物医学信息学的定义、历史背景、实际影响、主要异同，并对生物信息学、化学信息学和生物医学信息学的传播和教学进行了评价。 ? 生物信息学是和生物医学信息学一起发展起来的，它们有着共同的根基。 值得注意的是，化学、生物学和生物医学科学领域的计算期刊还有很多（除此之外，还有一些多学科期刊也发表了专注于化学信息学、生物信息学和生物医学信息学的研究）。 突出的例子是药物发现和开发项目，这些项目经常涉及生物信息学，生物医学信息学和化学信息学方法。 3 结论 本文研究人员分析了信息学在生物学，化学和医学领域的影响，从而导致了新的基于信息学的学科的出现。
1.1K30发布于 2021-02-01 - 来自专栏AIGC 先锋科技
Eir-8B 专为医学领域打造的先进大语言模型 ！
尽管LLMs具有这些优势，但其通用性可能引发重大的隐私问题，尤其是在医疗领域，患者信息的保密性至关重要。 虽然模型的权重已经公开，但一些详细信息仍有限制。 Medical Focused LLMs 在医学语言模型领域，例如日语和汉语模型，其性能指标(MedBench)值得关注。 Eir-8B在电子病历系统中的角色涵盖多种任务，包括命名实体识别（NER），该任务专注于识别和分类主要信息，如病人姓名、医疗状况、药品和其他关键数据。 5 结论 Eir-8B 是一种专门针对泰国医学领域的特定语言模型，展示了先进的医学推理和在这些专业基准上的改善性能。 通过持续训练于精心选择的、高质量医疗资源，包括更新的临床指南，Eir-8B在泰语医学语言能力方面超越了所有相似规模的泰国医学领域的最新模型。
47310编辑于 2024-09-29 - 来自专栏全栈程序员必看
信息收集8——masscan,nbtscan「建议收藏」
上全球地址范围指定一个端口的打描可在3分钟完成 命令格式 masscan <ip addresses/ranges> -p ports options 地址范围 1.1.1.1-1.1.1.10、 1.0.0.0/8 名称不唯一:非独占，一个字节的服务类型 节点类型 B :广播 P:点对点(wins) M:MIX(B+P) H:Hybrid(P+B) win2003下的netbiso 扫描NetBIOS名称信息 发现比IP网络层更多的信息 针对目标UDP 137端口 显示IP NetBIOS名称登录帐号MAC 地址 nbtscan 1.1.1.1 ( 1.1.1.0/24、1.1.1.1-254 ) -v详细信息 本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容， 请发送邮件至 举报，一经查实，本站将立刻删除。
99520编辑于 2022-09-30 - 来自专栏最新医学影像技术
医学图像处理教程（三）——医学图像增强算法
今天将给大家分享医学图像常见图像增强算法。
3.4K50发布于 2020-06-29 - 来自专栏生物信息云
医学生物信息学文献第2期：肿瘤微环境
我们之前的工作发现了8个基因的“SDC标签”，它来源于SDC与小鼠肿瘤内所有其他髓系群体的直接比较(图1A)。 因此，我们寻求确定SDC水平是否与T细胞检查点阻断剂治疗的有效性有关，预计该治疗将可能释放更多的CD8+T细胞控制肿瘤。 此外，通过抗体消耗CD4+或CD8+T细胞的WT小鼠也表现出正常的SDC细胞密度（数据未显示)。 8、人肿瘤中NK细胞丰度与FLT3LG表达及BDCA-3+ SDCs相关 我们的小鼠研究表明，NK细胞产生FLT3L，并控制肿瘤中SDC的水平。 肿瘤中的BDCA-3+DC与肿瘤中CD4+T辅助细胞(TH)、CD8+T细胞或CD 45-细胞水平无关(补充图7c-e)，提示NK细胞与BDCA-3+DC之间存在特异性的相关性。
84230发布于 2019-08-07 - 来自专栏机器学习、深度学习
医学图像分割
2016 code: http://www.sfu.ca/~abentaie/topo_fcn/topo_fcn.html 本文将 FCN 加入 geometric and topological 先验信息 FCN 针对像素级别的分割，没有考虑图像的higher-order 属性例如 边缘平滑性，多物体之间的拓扑信息 Moreover, FCNs tend to produce low-resolution
1K20发布于 2019-05-26 - 来自专栏CV学习史
医学图像了解
比如说，一个8比特的光栅可以有256个从0到255数值不等的图像深度 光度表示解释了像素数据如何以正确的图像格式（单色或彩色图片）显示。 而核医学图像，比如正电子发射断层图像（PET）和单光子发射断层图像（SPECT），通常都是以彩色映射或调色板来显示的 元数据是用于描述图像的信息。 ，分别为DICOM（医学数字成像和通讯）、NIFTI（神经影像信息技术）、PAR/REC（Philips磁共振扫描格式）、ANALYZE（Mayo医学成像）、NRRD（近原始栅格数据）和MNIC 现代神经影像学技术 Functional Magnetic Resonance Imaging，功能性磁共振成像 DICOM（Digital Imaging and Communications in Medicine）即医学数字成像和通信是医学图像和相关信息的国际标准 Dicom 它定义了质量能满足临床需要的可用于数据交换的医学图像格式，可用于处理、存储、打印和传输医学影像信息。
2.6K31发布于 2019-09-10 - 来自专栏计算机视觉life
医学图像处理
最近的结果表明，从CNN中提取的信息在自然图像中的对目标识别和定位方面非常有效。世界各地的医学图像处理机构已经迅速进入该领域，并将CNN和其它深度学习方法应用于各种医学图像分析。 比如基于三维可视化系统结合FastMarching算法和Watershed 变换的医学图象分割方法，能得到快速、准确的分割结果[8]。 ? （a） （b） （c） （d） 图8 医学图像配准原理 目前已有一些采用人机交互定点、自动测量分析的图像分析软件，能定点或定项地完成一些测量和辅助诊断的工作，但远远没有达到智能分析和专家系统的水平；全自动识别标志点并测量分析以及医学图像信息与文本信息的融合， Imag., vol. 35, no. 5, pp. 1170–1181, May 2016 [8]林瑶, 田捷. 医学图像分割方法综述[J].
4.3K42发布于 2019-07-10 - 来自专栏AustinDatabases
MYSQL 8 统计信息持久化 与 null
在任何数据库中统计信息是帮助数据库查询中走更适合的查询路径的基础，MYSQL 8 中持久化的统计信息怎么做，怎么能持久化后提高执行计划的稳定性。 默认的情况下，这个参数是打开的 show variables like 'innodb_stats_persistent'; 实际当中统计信息是存在于mysql.innodb_table_stats ORACLE 用的顺手了，很可能会在晚上的时间来跑一边统计分析，这里 stats_auto_recalc 这里的意思是是否你要自动的进行还是手动， 最后的stats_sample_pages 是针对你索引的统计信息的精度 ，默认是20，增加这个数值可以提高统计信息的精度，当然你也要付出某些磁盘空间，和分析时的cpu等资源。 在统计分析中默认是针对 READ UNCOMMITED 的方式，其中如果有删除的记录，同时被标记的删除记录，还是要记录到统计分析中，所以大量有delete操作的情况下 RC RR 方式获得的统计分析信息就会相对准确率低
97020发布于 2020-06-01 - 来自专栏大师级码师
iOS 8 实现获取当前定位信息
// // ViewController.m // LocationDemo // // Created by LaughingZhong on 14/11/12. // Copyright (c) 2014年 Laughing. All rights reserved. // import "ViewController.h" @interface ViewController () @end @implementation ViewController @synthesize myLocatio
59820发布于 2021-10-29 - 来自专栏最新医学影像技术
医学图像处理教程（四）——医学图像去噪算法
今天将给大家分享医学图像常见三种图像去噪算法。 1、均值滤波 均值滤波是典型的线性滤波算法，它是指在图像上对目标像素给一个模板，该模板包括了其周围的临近像素（以目标像素为中心的周围8个像素，构成一个滤波模板，即去掉目标像素本身），再用模板中的全体像素的平均值来代替原来像素值
5.3K21发布于 2020-06-29 - 来自专栏最新医学影像技术
医学图像处理案例（十三）——快速行进算法分割医学图像
今天将分享使用快速行进算法（FastMarching）对医学图像分割案例。 atof( argv[6] ); const double beta = atof( argv[7] ); const double timeThreshold = atof( argv[8] float(sys.argv[5]) alpha = float(sys.argv[6]) beta = float(sys.argv[7]) timeThreshold = float(sys.argv[8]
4.5K63发布于 2020-06-29 - 来自专栏全栈程序员必看
医学图像处理(医学图像处理研究生就业选择)
医学影像学 医学影像学Medical Imaging，是研究借助于某种介质（如X射线、电磁场、超声波等）与人体相互作用，把人体内部组织器官结构、密度以影像方式表现出来，供诊断医师根据影像提供的信息进行判断 DICOM格式 解析：DICOM（Digital Imaging and Communications in Medicine）即医学数字成像和通信，是医学图像和相关信息 的国际标准（ISO 12052 在数以万计的在用医学成像设备中，DICOM是部署最为广泛的医疗信息标准之一。当 前大约有百亿级符合DICOM标准的医学图像用于临床使用。 5. 一个K空间中的数据点对应了图像空间中所有数据点的一部分信息。 uuid=8a833996-18ac928d-0118-ac928e9c-0114&courseID=C060034 [9] 南方医科大学医学影像学：http://sns.icourses.cn/jpk
2.4K31编辑于 2022-08-02 - 来自专栏最新医学影像技术
医学图像处理案例（二十）——医学图像处理案例代码详解
在前面分享的医学图像处理案例中，给出了很多具体案例，但有些读者还是渴望可以深入分享案例代码详解。那么今天我将从骨骼分割，气管分割，肺组织分割，血管分割这四个具体案例来详细讲解如何来实现。 sitk_mask4.SetOrigin(sitk_tracheamask.GetOrigin()) sitk.WriteImage(sitk_mask4, 'step7.mha') # 8 MorphologicalOperation(sitk_mask4, kernelsize=9, name='close') sitk.WriteImage(sitk_mask5, 'step8. number_of_sigma_steps = 8 lowerThreshold = 40 output_image = 'vessel.mha' input_image = itk.imread
4.7K54发布于 2020-06-29 - 来自专栏渗透测试专栏
渗透测试信息收集技巧(8)——Cobalt Strike配置
：客户端与服务端的连接密码 # profile：用户配置文件 # YYYY-MM-DD：所有payload运行结束时间 一般结合nohup命令使teamserver在后台运行，注意nohup默认将运行信息输出到 nohup.out文件，若想不输出运行信息需要重定向标准输出/错误：(没有nohup则需要下载coreutils包) apt-get install coreutils nohup . 本文档所提供的信息仅用于教育目的及在获得明确授权的情况下进行渗透测试。任何未经授权使用本文档中技术信息的行为都是严格禁止的，并可能违反《中华人民共和国网络安全法》及相关法律法规。 使用者应当合法合规地运用所学知识，不得用于非法入侵、破坏信息系统等恶意活动。我们强烈建议所有读者遵守当地法律与道德规范，在合法范围内探索信息技术。
80620编辑于 2024-09-26 - 来自专栏最新医学影像技术
医学图像处理教程（五）——医学图像边缘检测算法
今天将给大家分享医学图像常见两种图像边缘检测算法。 Sobel算子计算原理，对传进来的图像像素做卷积，卷积的实质是在求梯度值，或者说给了一个加权平均，其中权值就是所谓的卷积核；然后对生成的新像素灰度值做阈值运算，以此来确定边缘信息。 为了跟踪边缘连接，通过查看弱边缘像素及其8个邻域像素，只要其中一个为强边缘像素，则该弱边缘点就可以保留为真实的边缘。
3.5K30发布于 2020-06-29
腾讯云开发者
Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有
深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 
粤公网安备44030502008569号
腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号