- 综合排序
- 最热优先
- 最新优先
- 来自专栏Sentieon：文献解读
犬类癌症检测（CANDiD）研究：使用独立测试集对1000多只犬进行基于高通量测序的多癌种早期检测液体活检血液测试的临床验证
over 1,000 dogs using an independent testing set: The CANcer Detection in Dogs (CANDiD) study 标题（中文）：犬类癌症检测 文献讨论 这项研究首次大规模验证了基于NGS的液体活检技术在犬类多癌种检测中的应用。结果显示该方法具有高特异性和中等敏感性，尤其对侵袭性强的癌症类型检测效果更佳。 研究发现这种技术能在症状出现前数月检测到癌症，但对早期小型肿瘤的检测仍有局限。研究者提出了几种改进方法，并指出该技术在犬类癌症筛查中具有潜力，同时对人类癌症研究也有启发。 总结 这项研究首次在大规模独立测试集上验证了基于NGS的液体活检在犬类多癌种检测中的应用。该方法具有很高的特异性，可以作为一种新的无创癌症筛查和辅助诊断工具。 通过早期发现癌症，有望改善犬类癌症的诊断和管理模式。尽管在早期小肿瘤的检测方面仍有改进空间，但其在检测侵袭性和晚期癌症方面的出色表现为未来的研究和应用开辟了新的途径。
48910编辑于 2024-12-16 基于yolov8深度学习的120种犬类检测与识别系统python源码+onnx模型+评估指标曲线+精美GUI界面目标检测狗类检测犬类识别系统
【算法介绍】 基于YOLOv8深度学习的120种犬类检测与识别系统是一款功能强大的工具，该系统利用YOLOv8深度学习框架，通过21583张图片的训练，实现了对120种犬类的精准检测与识别。 该系统基于Python与PyQt5开发，具有简洁的UI界面，支持图片、视频以及摄像头三种方式进行目标检测，并能够将检测结果进行保存。 在公共安全领域，警方和安保人员可以利用它快速识别搜救犬、警犬以及潜在的威胁性狗类，提高工作效率和响应速度。 总之，基于YOLOv8深度学习的120种犬类检测与识别系统是一款高效、准确、易用的工具，它的出现将极大地推动犬类检测与识别技术的发展，为多个领域带来便利和价值。 【效果展示】 【测试环境】 windows10 anaconda3+python3.8 torch==1.9.0+cu111 ultralytics==8.2.95 【模型可以检测出类别】 affenpinscher
24200编辑于 2025-07-22犬面部检测数据集VOC+YOLO格式987张1类别
数据集格式：Pascal VOC格式+YOLO格式(不包含分割路径的txt文件，仅仅包含jpg图片以及对应的VOC格式xml文件和yolo格式txt文件)
24610编辑于 2025-09-09犬眼部疾病检测数据集VOC+YOLO格式6364张4类别有增强
数据集格式：Pascal VOC格式+YOLO格式(不包含分割路径的txt文件，仅仅包含jpg图片以及对应的VOC格式xml文件和yolo格式txt文件)
23510编辑于 2025-07-17狗狗未带护具犬未带护具检测数据集VOC+YOLO格式2194张3类别
数据集格式：Pascal VOC格式+YOLO格式(不包含分割路径的txt文件，仅仅包含jpg图片以及对应的VOC格式xml文件和yolo格式txt文件)
13000编辑于 2025-07-17犬鼻子检测数据集VOC+YOLO格式6808张1类别近距离拍摄
数据集格式：Pascal VOC格式+YOLO格式(不包含分割路径的txt文件，仅仅包含jpg图片以及对应的VOC格式xml文件和yolo格式txt文件)
7700编辑于 2025-07-17- 来自专栏ATYUN订阅号
人工智能检测癌症仍需谨慎对待
癌症的危害 戴尔医学院皮肤科医生兼助理教授阿德沃尔·阿达姆森（Adewole Adamson）在接受《边缘》杂志采访时说：“社会上有一种观点，认为发现更多的癌症总是更好的，但事实并非总是如此。”。 “我们的目标是发现更多的癌症，这些癌症实际上会导致死亡。”但问题是“癌症的构成没有黄金标准。” 正如研究发现的，你可以向一组医生展示同样的早期病变，并得到关于能否确诊为癌症的完全不同的答案。 首先，该公司的研究人员训练了他们的图像算法来确定是否是癌症。但是，由于没有癌症诊断的固定标准，特别是早期癌症，这样的训练数据是否提供了一个良好的基线是有争议的。 其次，谷歌的算法只能产生二元结果：是的，是癌症，或者不是。正如阿达姆森在最近的一篇论文中所说，医疗检测需要有不确定性的空间，第三种选择代表诊断的灰色区域，延长诊断时间，而不是结束辩论。 2017，谷歌大脑的联合创始人Andrew Ng在评论一种用X射线检测肺炎的算法时重复了这一点：“放射科医师应该担心他们的工作吗？””
55820发布于 2020-02-21 基于yolov8的狗狗未带护具犬类未带护具检测系统python源码+onnx模型+评估指标曲线+精美GUI界面
为大型犬佩戴护具意义重大，它不仅能防止犬只伤人、减少吠叫对居民的干扰，更是维护市民人身安全、塑造城市文明形象的关键举措。 因此，如何快速精准地检测大型犬是否佩戴护具，成为城市宠物管理智能化升级的关键突破点。 传统的大型犬护具检测方式主要依赖人工巡检，但这种方式效率低下、覆盖范围有限，难以满足城市大规模、高密度宠物管理的需求，且易受环境光线、犬只状态及巡检人员主观判断的影响，出现漏检或误判。 而基于YOLOv8的大型犬未带护具检测算法与系统应运而生，为城市宠物智能管理带来了创新解决方案。该算法凭借深度学习强大的图像识别能力，能快速处理海量监控视频数据，精准识别大型犬及其护具佩戴状态。 【效果展示】 【测试环境】 windows10 anaconda3+python3.8 torch==2.3.0 ultralytics==8.3.81 【模型可以检测出3类别】 ["dangerousdog
10900编辑于 2025-07-17- 来自专栏大数据文摘
远离癌症并不难: 再谈肿瘤检测与精准医疗
遗传性肿瘤是由特定致病基因突变导致，且具有家族聚集性的一类疾病，约占癌症的5%~10%，包括胃癌、黑色素瘤、结直肠癌、乳腺癌、卵巢癌等。 根据WHO报告，透过健康的生活方式，如戒烟、戒酒，运动和均衡饮食习惯，以及有效运用现有的医疗设施，如定期筛检和早期检测，至少有一半以上的癌症是可以预防或避免的。 ——奥巴马 提到“定期筛检和早期检测”，就自然会想到“精准医疗”一词。 基因检测技术起源于美国，临床应用已经长达30多年。在国内，华大基因可通过基因检测早期筛查乳腺癌、卵巢癌。 并以此结果为依据，由专业的遗传咨询师给出相应的风险管理方案，做到癌症未病先防。 进一步了解一次可检测508个肿瘤相关基因、解读88种肿瘤药物的肿瘤基因检测服务, 请查询华大基因的OseqTM-T。
69530发布于 2018-05-21 - 来自专栏Python与算法之美
10，类和对象
基本的封装形式是类。设计类的基本要点是 RPM: 关系 Relation， 属性Property，方法 Method. 2, 面向对象基本概念？ 类： class, 抽象数据结构，数据和算法的封装。如：定义一个类：dog。 对象： object, 类的实例。如：dog类的一个实例：点点dot。 属性：properties，和对象关联的数据部分。 二，创建类和对象 ? ? ? ? ? 三，获取对象信息 ? ? 三，思考练习 19，给ATMUser类添加一个新的方法 transfer_money,实现转账功能。 20，设计一个Dog类，Dog类拥有属性 name,weight,breed,并实现方法 run(),bark(),eat()。 （回复关键字 python20 查看参考答案） ?
38320发布于 2020-07-20 - 来自专栏量子位
Google用深度学习做癌症病理检测，准确率达89％
特别是癌症，病理学家的诊断报告对患者的治疗具有十分深远的影响。对病理切片的检查是一项非常复杂的任务，只有通过多年的训练，具有丰富的专业知识以及经验，方能成为病理学家。 然而，每个患者有许多病理切片，当以40X的放大倍数进行数字化时，一个病理切片将超过10万像素。想象一下，要试图观察多张千万像素级的照片，并且注意到照片里的每个像素点，这是一项多么艰巨的任务。 左：两个淋巴结的活体组织检测图像； 中：经过深度网络模型进行肿瘤检测后的早期结果； 右：模型的分析结果，可见目前的检测模型存在假阳性。 关于这方面的详细工作，请参考文章《对千兆像素级的病理图像进行癌症转移检测》。 这些算法在执行病理检测时表现良好，但是不能检测病理幻灯片里的其他异常现象。但是病理学家可以在识别肿瘤细胞的同时，利用本身专业的系统知识，识别患者的炎症过程、自身免疫疾病或其他类型的癌症等。 3.
1.6K50发布于 2018-03-21 印刷数字检测数据集VOC+YOLO格式1884张10类别
仅仅包含jpg图片以及对应的VOC格式xml文件和yolo格式txt文件) 图片数量(jpg文件个数)：1884 标注数量(xml文件个数)：1884 标注数量(txt文件个数)：1884 标注类别数：10
34910编辑于 2025-07-17胸部解剖检测数据集VOC+YOLO格式100张10类别
仅仅包含jpg图片以及对应的VOC格式xml文件和yolo格式txt文件) 图片数量(jpg文件个数)：100 标注数量(xml文件个数)：100 标注数量(txt文件个数)：100 标注类别数：10 gastric_bubble 21 5 heart 89 6 humeral_head_left 82 7 humeral_head_right 85 8 lung_left 100 9 lung_right 101 10 trachea 72 总计 10 790 使用标注工具：labelImg 标注规则：对类别进行画矩形框 重要说明：暂无 特别声明：本数据集不对训练的模型或者权重文件精度作任何保证，数据集只提供准确且合理标注
10510编辑于 2025-07-21木材缺陷检测数据集VOC+YOLO格式2383张10类别
jpg图片以及对应的VOC格式xml文件和yolo格式txt文件) 图片数量(jpg文件个数)：2383 标注数量(xml文件个数)：2383 标注数量(txt文件个数)：2383 标注类别数：10
23310编辑于 2025-07-21手写数字检测数据集VOC+YOLO格式5013张10类别
jpg图片以及对应的VOC格式xml文件和yolo格式txt文件) 图片数量(jpg文件个数)：5013 标注数量(xml文件个数)：5013 标注数量(txt文件个数)：5013 标注类别数：10
32110编辑于 2025-07-16室内家具检测数据集VOC+YOLO格式7928张10类别
仅仅包含jpg图片以及对应的VOC格式xml文件和yolo格式txt文件) 图片数量(jpg文件个数)：7928 标注数量(xml文件个数)：7928 标注数量(txt文件个数)：7928 标注类别数：10
23800编辑于 2025-07-16人头朝向检测数据集VOC+YOLO格式7970张10类别
jpg图片以及对应的VOC格式xml文件和yolo格式txt文件) 图片数量(jpg文件个数)：7970 标注数量(xml文件个数)：7970 标注数量(txt文件个数)：7970 标注类别数：10
19400编辑于 2025-07-15芒果害虫检测数据集VOC+YOLO格式3575张10类别
jpg图片以及对应的VOC格式xml文件和yolo格式txt文件) 图片数量(jpg文件个数)：3575 标注数量(xml文件个数)：3575 标注数量(txt文件个数)：3575 标注类别数：10
20400编辑于 2025-07-20木材缺陷检测数据集VOC+YOLO格式8961张10类别
仅仅包含jpg图片以及对应的VOC格式xml文件和yolo格式txt文件) 图片数量(jpg文件个数)：8961 标注数量(xml文件个数)：8961 标注数量(txt文件个数)：8961 标注类别数：10
30310编辑于 2025-07-16工程车辆检测数据集VOC+YOLO格式1239张10类别
仅仅包含jpg图片以及对应的VOC格式xml文件和yolo格式txt文件) 图片数量(jpg文件个数)：1239 标注数量(xml文件个数)：1239 标注数量(txt文件个数)：1239 标注类别数：10
31600编辑于 2025-07-16
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