- 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。 在检测过程中，系统能够实时显示目标位置、目标总数、置信度以及用时等信息，为用户提供直观、清晰的检测结果。 该系统在多个领域具有广泛的应用价值。 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。
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CodecWang
11: 边缘检测
目标 Canny边缘检测的简单概念 OpenCV函数：cv2.Canny() 教程 Canny边缘检测方法常被誉为边缘检测的最优方法，废话不多说，先看个例子： import cv2 import numpy Canny边缘检测 Canny边缘提取的具体步骤如下： 1，使用5×5高斯滤波消除噪声： 边缘检测本身属于锐化操作，对噪点比较敏感，所以需要进行平滑处理。 先阈值分割后检测 其实很多情况下，阈值分割后再检测边缘，效果会更好： _, thresh = cv2.threshold(img, 0, 255, cv2.THRESH_BINARY + cv2.THRESH_OTSU 练习 （选做）如果你不太理解高低阈值的效果，创建两个滑动条来调节它们的值看看： 小结 Canny是用的最多的边缘检测算法，用cv2.Canny()实现。 接口文档 cv2.Canny() 引用 本节源码 Canny Edge Detection Canny 边缘检测 Canny J .
82420编辑于 2021-12-07 - 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FunTester
【连载 11】Phaser 类
Phaser 类支持多阶段线程同步、动态的注册和注销、指定同步阶段、子同步功能，可以在到达集合点后不阻塞继续执行下一阶段，还可以中断等待的阶段、全局管理等。 终究是 Phaser 类功能太强大了，而作为性能测试工具，它有些高攀不起。所以在性能测试中使用到的还是 Phaser 类的基础功能。 ; } 这个方法只有一个 int 数据类型的参数，表示同步数量，这一点跟 CountDownLatch 类一样。 2.6.5 自定义同步类 虽然 java.util.concurrent.Phaser 功能强大，但毕竟不是为了性能测试开发的功能类，在实践中也会遇到一些水土不服的情况，总结为下面两种： 注册同步数量有上限 基于这样的情况，如果我们有需求，就可以自己设计一款功能简化之后的同步类。这个同步类需要实现以下功能： 线程安全计数，统计未完成的注册任务数量。 线程安全计数，统计已完成任务数量。
37400编辑于 2025-01-23 - 来自专栏生信菜鸟团
读书笔记 | 第 11 章 寻找新的癌症靶点
第 11 章 寻找新的癌症靶点 前言 理想情况下，抗癌药物应杀死癌细胞，并让正常细胞不受影响。 癌症基因组数据的迅速积累以及我们对癌症分子基础的理解的进展，增加了发现更有效、更低毒的疗法的希望，这种发现不再像过去那样靠偶然的机会。 或者，考虑到癌症可以被视为一种网络性疾病（见第 2 章），许多最新的癌症药物靶点识别方法依赖于对支持肿瘤发生的网络的分析和建模（见第 11.2 节），并通过分析其功能的扰动来确定癌症的弱点，最终将导致基于框架模型的建模框架的形成 这些癌症基因编码的蛋白质在癌症治疗中具有明显的潜力。然而，识别出的基因组区域通常包含数十到数百个候选基因。 同样，通过基因或蛋白质表达技术分析癌症或正常样本，通常可以识别出许多有趣的蛋白质（interesting proteins），其中只有少数是致癌的，并可能成为癌症靶点。
26110编辑于 2024-12-27 瓶盖缺陷检测数据集VOC+YOLO格式4516张11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)：4516 标注数量(xml文件个数)：4516 标注数量(txt文件个数)：4516 标注类别数：11
16310编辑于 2025-07-16眼球疾病检测数据集VCO+YOLO格94张11类别
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) 图片数量(jpg文件个数)：94 标注数量(xml文件个数)：94 标注数量(txt文件个数)：94 标注类别数：11
9600编辑于 2025-07-16- 来自专栏python3
django的类视图-11
使用类视图 创建类视图 注册路由 类视图使用装饰器 在url中装饰 在类视图中装饰 method_decorator 的 name 参数 使用Mixin扩展类 使用函数方式定义的视图叫函数视图，虽然使用方便 使用类视图 基于类的视图的核心是允许你用不同的实例方法来响应不同的HTTP请求方法，而不是在一个视图函数中使用条件分支代码来实现。 django提供的 View 类，使用 from django.views import View 导入 注册路由 配置类视图的时候，使用类视图的 as_view 方法注册路由 urlpatterns 类视图使用装饰器 可以使用装饰器为类视图增加功能，使用装饰器有三种方式。 在类视图中装饰 在类视图中使用装饰器不能直接装饰，需要使用 method_decorator 把装饰器转换位适用于类的装饰器。
1.1K30发布于 2020-01-19 - 来自专栏宜达数字
Unity基础（11）-Input类
分为几个阶段：Begin:开始接触屏幕; Moved:移动Stationary ： 静止；Ended：手指离开屏幕；Canceled:系统关闭触控 Position : 手指触碰屏幕的位置，Vector2类型 02-Unity下的Input类方法 圣典翻译 h = Input.GetAxis("Horizontal"); v = Input.GetAxis("Vertical" PlayerA.transform.Translate(h * 10f * Time.deltaTime, 0, v * 10f * Time.deltaTime;); 03-Input虚拟轴的设置 虚拟轴的设置 04-Input类的封装
96110发布于 2020-06-02 - 来自专栏用户2442861的专栏
openCV—Python(11)—— 图像边缘检测
box-sizing: border-box; padding: 0px 5px;">10
- 11 box-sizing: border-box; padding: 0px 5px;">10
- 11 laplacian边缘检测结果： ? X方向边缘检测结果： ? Y方向边缘检测结果： ? XY方向结合边缘检测结果： ? Canny边缘检测结果： ?
2K11发布于 2018-09-19 Udacity交通目标检测数据集VOC+YOLO格式13063张11类别
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)：13063 标注数量(xml文件个数)：13063 标注数量(txt文件个数)：13063 标注类别数：11 trafficLight-Red 6859 8 trafficLight-RedLeft 1754 9 trafficLight-Yellow 264 10 trafficLight-YellowLeft 14 11 truck 3503 总计 11 93086 使用标注工具：labelImg 标注规则：对类别进行画矩形框 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
38800编辑于 2025-07-22- 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。 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》。 虽然目前模型的检测效果不错并且有提升空间，但是还有以下几点需要注意。 1. 像大多数指标一样，FROC定位评分并不完美。 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 - 来自专栏黑马
【Java_11】Object 类、常用API、包装类
一、Object 类 1. Object 类介绍 * Object 类是所有类的父类，若一个类没有指定继承的类则继承Object。任一类都直接或间接继承于Object 2. Date 类 ① 时间原点 格林威治：1970-01-01 00：00：00 北京：1970-01-01 08：00：00 ② Date 类 Date 类的大部分方法都已经过时， Calendar 类 ① Calendar 类为抽象类，提供了 getIntence() 获取 Calendar 类的子类对象。 = Calendar.getInstance(); //这是时间 c.set(2019,5,20); //西方月份是：0 - 11 基本类型与字符串之间的转换 除了Character类之外，其他所有包装类都具有parseXxx静态方法可以将字符串参数转换为对应的基本类型 * 【Byte】 parseByte(String s)
72710发布于 2021-02-04
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