- 综合排序
- 最热优先
- 最新优先
- 来自专栏cwl_Java
C++编程之美-结构之法(代码清单3-10)
代码清单3-10 class Queue { public: Type MaxValue(Type x, Type y) { if(x > y)
32140编辑于 2022-11-30 - 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。
3.6K50发布于 2020-06-29 - 来自专栏devops_k8s
Go Protobuf(比xml小3-10倍, 快20-100倍)
protocol buffers 是一种灵活，高效，自动化机制的结构数据序列化方法－可类比 XML，但是比 XML 更小、更快、更为简单。你可以定义数据的结构，然后使用特殊生成的源代码轻松的在各种数据流中使用各种语言进行编写和读取结构数据。你甚至可以更新数据结构，而不破坏根据旧数据结构编译而成并且已部署的程序。
2.7K50发布于 2021-04-13 - 来自专栏CV学习史
医学图像了解
医学图像 医学图像是反映解剖区域内部结构或内部功能的图像，它是由一组图像元素——像素（2D）或立体像素（3D）组成的。医学图像是由采样或重建产生的离散性图像表征，它能将数值映射到不同的空间位置上。 像素的数量是用来描述某一成像设备下的医学成像的，同时也是描述解剖及其功能细节的一种表达方式。 ，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 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 PET是正电子发射断层显像（Positron Emission Tomography）的缩写，是一种先进的核医学影像技术；CT是计算机断层摄影术 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。
3K31发布于 2019-09-10 - 来自专栏机器学习、深度学习
医学图像分割
Topology Aware Fully Convolutional Networks For Histology Gland Segmentation
1.2K20发布于 2019-05-26 - 来自专栏AI机器学习与深度学习算法
机器学习入门 3-10 Numpy中的比较和Fancy Indexing
如果我们想索引向量中 "第4,6,9 个元素"，上面的索引和切片操作显然不能满足我们的需求。比较直观的想法是直接将三个位置的元素索引出来，然后再存储到一个新的向量中。
1.1K20编辑于 2022-11-08 - 来自专栏计算机视觉life
医学图像处理
0、引言 医学图像处理的对象是各种不同成像机理的医学影像，临床广泛使用的医学成像种类主要有X-射线成像 （X-CT）、核磁共振成像（MRI）、核医学成像（NMI）和超声波成像（UI）四类。 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。 在医学成像中，疾病的准确诊断和评估取决于医学图像的采集和图像解释。 图12 多模态医学图像融合的例子。 图像分析技术在医学上的应用 [J] . 包头医学院学报, 2005, 21 (3) ： 311~ 314 [2]周贤善. 医学图像处理技术综述[J]. 图像分析技术在医学上的应用 [J] . 包头医学院学报, 2005, 21 (3) ： 311~ 314
4.7K42发布于 2019-07-10 - 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。
5.6K21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。
4.7K63发布于 2020-06-29 - 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。
3.8K30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（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。
5.2K54发布于 2020-06-29 - 来自专栏CVer
医学顶刊TMI 2026！SAViT：高效的医学图像分析框架
聚焦医学影像小样本难题 提出 SAViT 通用分析框架 近年来，Vision Transformer（ViT）凭借强大的全局建模能力，在医学影像智能建模中展现出很好的潜力。 因此，如何让ViT既能捕捉医学图像中的细粒度局部病灶特征，又能保持全局解剖结构理解，同时降低迁移学习成本，是当前医学影像智能分析中的关键问题。 具体而言，SAViT从医学图像自身特点出发，将“解剖结构具有空间一致性、局部区域之间存在可共享先验”这一医学规律引入ViT建模过程，增加了基于解剖辅助提示的共享先验注意力模块（Shared Prior ，首期于1982年7月出版，长期关注医学成像、图像重建、计算机辅助诊断、医学图像分割与识别、人工智能医学影像分析等方向的高水平研究成果。 该期刊由IEEE出版，是医学图像处理与医学人工智能领域具有广泛影响力的代表性期刊之一。
40210编辑于 2026-06-24 手术示教直播系统技术方案：2026年从拍摄到分发的全链路实现
---##手术示教直播的独特挑战|挑战|普通直播|手术示教直播||:---|:---|:---||多路视频源|单路为主|3-5路同时采集||延迟要求|3-10秒可接受|**<1秒**（示教意义）||医学影像接入 必须符合医疗数据规定**||观看场景|手机/PC|手术室/会议室/远程端|---##系统架构```手术室端：├──全景摄像机（4K枪机）→腾讯云TRTCSDK├──术野摄像机（术野摄像头）→腾讯云TRTCSDK├──医学影像设备 DICOM',encSmallVideo:false,//影像需要高质量videoParams:{videoResolution:1920,videoBitrate:2500}});```###2.DICOM医学影像接入 DICOM是医学影像的国际标准格式（CT、MRI、X光等）。 网关需要专门的软硬件设备-部分DICOM设备支持直接输出视频信号（HDMI/SDI）-内窥镜、超声设备通常直接输出Video信号，可直接接入###3.低延迟传输手术示教的延迟要求极高（<1秒），普通直播的CDN分发延迟在3-
49800编辑于 2026-04-24- 来自专栏HyperAI超神经
医学AI又一突破，微软开源生物医学NLP基准：BLURB
Natural Language Processing 生物医学特定领域的语言模型预训练》，介绍并开源了一个能够用于生物医学领域 NLP 基准，并命名为 BLURB。 医学 NLP 基准，BLURB 身负重任 BLURB 包括 13 个公开可用的数据集，涉及 6 个不同的任务。 生物医学 NLP ：必须使用域内文本 研究已经表明生物医学 NLP 可以在医学领域提高数据集的准确性。但是在跨学科的数据集中，准确性又会大大降低。 而由于不同医学领域之间（Domain）跨度较大，所以对于 NLP 的预训练会花费非常多的时间。 同时，为了鼓励对生物医学 NLP 的研究，研究人员创建了以 BLURB 基准为基准的排行榜，还开源了预训练模型。以求快速生物医学 NLP 能够早日投入使用。
1.1K10发布于 2020-08-13 - 来自专栏AI算法与图像处理
医学图像分割：UNet++
分割的准确性对于医学图像至关重要，因为边缘分割错误会导致不可靠的结果，从而被拒绝用于临床中。 为医学成像设计的算法必须在数据样本较少的情况下实现高性能和准确性。
1.9K21发布于 2020-11-23 - 来自专栏基于深度学习的图像增强
医学图像跨域合成
背景 这篇文章主要介绍一些基于深度学习的医学图像合成的论文，医学图像跨域合成一般是指从一种模态转化为另一种模态，包括CT到PET，MR到CT，CT到MR及MRI中T1,T2,FLAIR等之间的转化。 医学图像合成是解决这一问题的有效方法，可以将缺失的模态从已有的模态中合成出来。
1.8K20发布于 2020-09-07 公开的医学评测集
huggingface.co/datasets/SII-SPIRAL-MED/DiagnosisArena是（RightOption）1,113对（论文版）/915对（HF公开版）诊断推理专项；28个专科，源自10本顶级医学期刊的病例报告 PubMedQAhttps://github.com/pubmedqa/pubmedqa部分含答案（PQA-L/A是；PQA-U否）PQA-L:1,000PQA-U:61,200PQA-A:211,300生物医学文献问答 514个可用于评分，11个为直接拒答）；从15,079个真实临床对话中精选，难度富集约3.5倍临床医生工作流；190名医生（50+国，26个专科）构建；三大用例：护理咨询(236)、文书撰写(142)、医学研究
7500编辑于 2026-11-11- 来自专栏最新医学影像技术
医学图像处理教程（一）——医学算法数据的基本概念
从今天起我将开始分享医学图像处理基础算法课程，从最基本的函数开始，分享函数的原理，函数API参数讲解，每篇都会给出一个示例。 1、如何安装Python版本的SimpleITK包 为了快速上手算法开发，采用Python版本的SimpleITK开发包来完成医学图像处理算法开发。
3.1K51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（十五）——基于小波变换的医学图像融合
今天将介绍使用小波变换来对多模态医学图像进行融合。 2、基于小波变换的多模态医学图像融合代码实现 我将分享python版本代码来融合多模态MR图像，融合策略是低频图像采用平均值法，高频图像采用最大值法。
3.2K20发布于 2020-06-29 - 来自专栏破局燎：AI写作与内容自动化实战
3-10 人的团队买 AI 助手，先别急着按人头配个人版
3-10人的团队买AI助手，先别急着按人头配个人版前阵子一个开工作室的朋友找我，说团队5个人要上AI助手，是不是每人开个99的月卡就够了。我让他先别下单。
24210编辑于 2026-09-10
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