首页
学习
活动
专区
圈层
工具
发布
    • 综合排序
    • 最热优先
    • 最新优先
    时间不限
  • 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。

    32210编辑于 2024-03-28
  • 来自专栏Hank’s Blog

    4-2 R语言函数 apply

    #apply函数,沿着数组的某一维度处理数据 #例如将函数用于矩阵的行或列 #与for/while循环的效率相似,但只用一句话可以完成 #apply(参数):apply(数组,维度,函数/函数名) > x <- matrix(1:16,4,4) > x [,1] [,2] [,3] [,4] [1,] 1 5 9 13 [2,] 2 6 10 14 [3,] 3 7 11 15 [4,] 4 8 12 16 >

    74810发布于 2020-09-16
  • 来自专栏Java

    试题 算法训练 4-2找公倍数

    试题 算法训练 4-2找公倍数 资源限制 内存限制:256.0MB C/C++时间限制:1.0s Java时间限制:3.0s Python时间限制:5.0s 问题描述   这里写问题描述。   

    29610编辑于 2025-01-21
  • 来自专栏趣学算法

    数据结构 第4-2讲 双向链表

    数据结构第4-2讲双向链表 链表是线性表的链式存储方式,逻辑上相邻的数据在计算机内的存储位置不一定相邻,那么怎么表示逻辑上的相邻关系呢? 可以给每个元素附加一个指针域,指向下一个元素的存储位置。

    1K40发布于 2018-09-13
  • 来自专栏sringboot

    x86汇编加载用户程序-4-2

    索引寄存器的端口号是 0x3d4,可以向它写入一个值,用来指定内部的某个寄存器。比如, 两个 8 位的光标寄存器,其索引值分别是 14(0x0e)和 15(0x0f),分别用于提供光标位置的高 8 位和低 8 位。 指定了寄存器之后,要对它进行读写,这可以通过数据端口 0x3d5 来进行。 高八位 和第八位里保存这光标的位置,显卡文本模式显示标准是25x80,这样算来,当光标在屏幕右下角时,该值为 25×80-1=1999

    1.1K30编辑于 2021-12-06
  • 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
  • 来自专栏育种数据分析之放飞自我

    笔记 | GWAS 操作流程4-2:LM模型+数值协变量

    上一篇,我们介绍了数量性状进行GWAS的一般线性模型分析的方法(笔记 | GWAS 操作流程4:LM模型assoc),这里我们考虑一下数字协变量,然后用R语言进行对比。

    1.6K20发布于 2020-05-26
  • 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cwl_Java

    C++编程之美-数学之趣(代码清单4-2)

    代码清单4-2 struct point { double x, y; }; double Product(point A, point B, point C) { return

    37330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(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Android点滴积累

    IOS Widget(4-2):创建可配置小组件(动态修改配置数据)

      上一篇文章,讲解了如果通过配置修改小组件行为,只不过配置数据是写死的,本文将继续探索配置数据的高级用法,配置数据在小组件中动态创建的

    4.3K11发布于 2021-05-10
  • 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
  • 来自专栏历史专栏

    【愚公系列】2021年12月 攻防世界-进阶题-MISC-072(4-2)

    文章目录 一、4-2 二、答题步骤 1.词频分析 总结 一、4-2 题目链接:https://adworld.xctf.org.cn/task/task_list?

    67820编辑于 2021-12-09
  • 来自专栏AI机器学习与深度学习算法

    机器学习入门 4-2 scikit-learn中的机器学习算法封装

    本系列是《玩转机器学习教程》一个整理的视频笔记。本小节主要介绍使用sklearn实现KNN算法。

    1.2K00发布于 2019-11-13
  • 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
  • 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
领券