- 综合排序
- 最热优先
- 最新优先
- 来自专栏AI技术应用
WebGL开发医学影像软件
对于医学影像软件的开发，WebGL提供了强大的图形处理能力，可以用于实现高质量的图像渲染和交互。以下是使用WebGL开发医学影像软件时需要考虑的关键步骤和技术难点。1. 确定需求和目标确定软件需要支持的医学影像格式（如DICOM）。确定所需的交互功能，如切片、旋转、缩放、测量等。考虑性能要求，特别是处理高分辨率影像时的响应时间。2. 数据加载和处理实现DICOM解析器来加载和解析医学影像数据。将影像数据转换为WebGL可以处理的格式，如纹理。4. 图像渲染使用WebGL渲染3D体积数据或2D切片。 技术难点数据解析和处理：医学影像数据通常非常大，解析和处理这些数据需要高效的算法。图像质量：保持图像质量的同时进行高效的渲染是一个挑战。 开发医学影像软件时，除了技术实现，还需要关注用户体验、易用性和软件的可维护性。此外，与医学专业人士紧密合作，确保软件满足临床需求，也是成功的关键。
28300编辑于 2025-03-14 - 来自专栏数字孪生
WebGL医学影像软件的测试
在WebGL环境中开发医学影像软件时，测试是一个至关重要的环节，确保软件的稳定性、性能和用户体验。以下是WebGL医学影像软件测试的一些关键方面。1. 测试WebGL医学影像软件是一个复杂的过程，需要综合考虑多种测试类型和方法。
21010编辑于 2025-03-14 - 来自专栏最新医学影像技术
医学影像公开数据集（七）
在前面的文章中曾分享过一些公开数据集，今天我将继续分享2024年度医疗公开数据集给大家。
2K11编辑于 2024-06-05 - 来自专栏最新医学影像技术
医学影像公开数据集
医学影像数据是非常珍贵的资源，收集和标注要耗费很大的人力和财力。今天这篇文章我将分享目前为止做过的医学影像诊断的一些公开数据集。
3.3K40发布于 2020-06-29 - 来自专栏Vue技术实践
DICOM医学影像文件格式解析
DICOM医学影像文件格式解析 dicom协议中文文档可去csdn下载 1.DICOM DICOM(DigitalImaging andCommunications inMedicine)是指医疗数字影像传输协定 ，是用于医学影像处理、储存、打印、传输的一组通用的标准协定。
8.5K32发布于 2020-12-18 - 来自专栏最新医学影像技术
医学影像公开数据集（三）
在前面的两篇文章中已经分享过一些公开数据集，今天我将继续分享kaggle上可下载的医学影像公开数据集给大家。 之前的两篇文章的公开数据下载可访问这两篇医学影像公开数据集，医学影像公开数据集（续）。
2.9K20编辑于 2022-08-20 - 来自专栏医学和生信笔记
医学影像分析常用R包
医学影像是由磁共振成像（MRI），计算机断层扫描（CT）和正电子发射断层扫描（PET）等系统产生的。它们通常是三维的，有时还具有随时间或方向而变化的维度。除此之外还包含其他很多信息。 此任务视图中的R包旨在读取和写出这些文件、可视化医学影像并以各种方式处理它们。其中一些R包也适用于常规图像处理，一些通用图像处理R包也可以用于处理医学影像数据。 ANALYZE和NIfTI 尽管医学影像数据的行业标准是DICOM，但在影像分析社区中已经大量使用了另一种格式。 一般图像处理 adimpro是用于2D数字（颜色和B/W）图像的R包，实际上不是针对医学影像的，而是用于一般图像处理。
1.3K40编辑于 2023-10-04 - 来自专栏最新医学影像技术
医学影像与人工智能
其他架构，例如U-net，是专门为医学影像而设计的。
1.3K20发布于 2020-06-29 - 来自专栏AI算法与图像处理
综述：当医学影像遇上深度学习
作者 | 李翔 来源 | 视说AI（ID：techtalkai） 在传统医疗领域，医院内每日的医学影像数据量巨大，影像科医生做着大量重复性和机械性的工作。 近年来，随着深度学习的发展，医学影像逐渐成为人工智能最有潜力的落地领域之一。 在这里我们将对医学影像遇上深度学习后的当前行业应用进行介绍和分析，希望能够帮助对人工智能在医学影像上的研究和应用感兴趣的同学们更好地了解行业的现状和发展方向。 ? 其他AI产品 对于其他的在医学影像上的应用，还有许多方向需要探讨。比如，糖网智能筛查已经取得了一定的进展，并且在国内外医院都进行了临床测试和应用。 当医学影像遇上深度学习，人工智能医学影像辅助诊断系统能够更有效地提高医生诊断的效率和准确率。 （*本文为AI科技大本营转载文章，转载请联系原作者）
1.3K11发布于 2019-12-03 - 来自专栏AI科技大本营的专栏
综述：当医学影像遇上深度学习
作者 | 李翔 来源 | 视说AI（ID：techtalkai） 在传统医疗领域，医院内每日的医学影像数据量巨大，影像科医生做着大量重复性和机械性的工作。 近年来，随着深度学习的发展，医学影像逐渐成为人工智能最有潜力的落地领域之一。 在这里我们将对医学影像遇上深度学习后的当前行业应用进行介绍和分析，希望能够帮助对人工智能在医学影像上的研究和应用感兴趣的同学们更好地了解行业的现状和发展方向。 ? 其他AI产品 对于其他的在医学影像上的应用，还有许多方向需要探讨。比如，糖网智能筛查已经取得了一定的进展，并且在国内外医院都进行了临床测试和应用。 当医学影像遇上深度学习，人工智能医学影像辅助诊断系统能够更有效地提高医生诊断的效率和准确率。 （*本文为AI科技大本营转载文章，转载请联系原作者）
1.5K00发布于 2019-11-27 - 来自专栏UDM Lab
用医学影像来做个脑子
首先，你需要有医学影像的数据集，只有一张图是做不出来的。Monolith的案例中就中自带了大脑，腹部还有手臂的数据集，脑部的数据集是用MRI磁共振技术成像的，而手臂和腹部的数据集是用CT扫描的。
72030发布于 2020-04-21 - 来自专栏深度学习和计算机视觉
医疗人工智能前景——医学影像
至于如何由学转入产，首届医学影像大会，也提到了许多正在修订或出台的政策支持。 从就业来看，国内比如联影智能、商汤、腾讯是比较大头的做医疗影像领域的公司。 其中联影智能是联影（国内最大的影像设备公司之一）旗下公司，由医学影像领域内最大牛的人之一沈老板带队，有巨大资源优势；商汤是炙手可热的人工智能公司；腾讯不用多讲。
87510编辑于 2022-02-14 - 来自专栏landv
医疗数字阅片-医学影像-Cornerstone
放射科检查流程、医学影像基础原理、DICOM协议，这些都要多少知道一些。另外，在一个商业产品化的医疗影像分析诊断软件中，AI算法（深度学习模型）其实只占整个系统的20~30%，或更少。 正如其名"基石", 它的诞生, 使得在浏览器的web上显示高清医学影像成为可能，要知道此前的这类应用只能由开发客户端的C##等语言才能实现。
1.3K10发布于 2020-07-09 - 来自专栏数据派THU
【2023新书】医学影像人工智能前沿
来源：专知本文为书籍介绍，建议阅读5分钟这本书的目的是考虑到医院在使用人工智能支持的检测程序准确诊断各种疾病方面的最新进展。 这本书的目的是考虑到医院在使用人工智能支持的检测程序准确诊断各种疾病方面的最新进展。本文研究了最近在医学成像处理领域工作的著名研究人员和临床医生支持的疾病检测技术。在本书中，将介绍各种人工智能方法的集成，如软计算、机器学习、深度学习和其他相关工作。结合利用AI的真实临床图像。本书还包括关于机器学习、卷积神经网络、分割和深度学习辅助的二分类和多分类的几章。 https://iopsc
79020编辑于 2023-04-12 - 来自专栏数字孪生
WebGL开发医学影像软件中的优化
性能优化是WebGL开发医学影像软件中的关键环节，以下是一些提高性能的策略。1. 数据管理数据压缩: 在传输前对影像数据进行压缩，减少数据传输时间和内存占用。
36000编辑于 2025-03-14 - 来自专栏数字孪生
WebGL开发医学影像软件的技术难点
开发医学影像软件时使用WebGL会面临多个技术难点，以下是一些主要的挑战。1. 大数据处理数据量: 医学影像数据通常体积庞大，例如一个3D CT扫描可能包含数千个切片，每个切片都是高分辨率的图像。 颜色映射: 医学影像通常需要特定的颜色映射来展示不同的组织类型，这需要精确的颜色管理和渲染。4. 安全性和隐私数据安全: 医学影像数据敏感，需要确保数据传输和存储的安全性。合规性: 需要遵守如HIPAA等医疗数据处理的法规。8. 网络传输数据传输: 高质量的医学影像数据传输需要高效的压缩和解压缩算法。实时性: 在网络环境中，保持数据传输的实时性是一个挑战。10. 解决这些技术难点需要深入理解WebGL的工作原理，以及医学影像处理的专业知识。通常，这需要跨学科的合作，包括图形程序员、医学影像专家和软件工程师。
26010编辑于 2025-03-14 - 来自专栏landv
医疗数字阅片-医学影像-安装问题
faced same issue today. for me it was the invalid config in .yarnrc that caused this problem. I got global-folder config with value true, which was wrong. And I deleted this config and then issue fixed.
1.1K20发布于 2020-07-03 - 来自专栏AI掘金志
沈定刚教授：深度学习在医学影像分析中的应用丨2018医学影像AI经典演讲回顾（二）
作为国内最早一批密集报道医学影像AI产学融合与医工交叉的媒体。 沈教授在1999年就前往美国约翰霍普金斯大学医学院放射科从事医学图像分析方面的工作，是世界上最早开展医学影像人工智能研究的几位科学家之一，并最先将深度学习应用于医学影像，从事医学影像分析、计算机视觉与模式识别等领域的研究近 上午嘉宾们讲了很多深度学习方面的工作，其实我们在2012年就率先把深度学习方法应用到医学影像分析中。从那以后，深度学习在医学影像中的应用越来越多。 这也是为什么我一直强调做医学影像一定要和临床结合起来。我认为，现在学术界和工业界的医学影像AI研究和开发是没有多大区别的，是相辅相成的。 怎么样从事医学影像研究？医学影像的门槛非常高，不能自己一个人去干，必须要有一个非常有经验的人带领。此外，医学影像要用医生的话来说医生的事情，也就是能和医生进行专业对话。
1.5K30发布于 2019-08-29 - 来自专栏YOLO大作战
《YOLO医学影像检测》专栏介绍 & 独家改进实战
YOLO医学影像检测：http://t.csdnimg.cn/N4zBP✨✨✨实战医学影像检测项目，通过创新点验证涨点可行性；✨✨✨入门医学影像检测到创新，不断打怪进阶； 1.血细胞检测介绍数据来源于医疗相关数据集
83510编辑于 2023-12-12 - 来自专栏landv
医疗数字阅片-医学影像-ViewportDownloadForm.js
ViewportDownloadForm.js 源码还是得一行一行阅读，好多自定义的函数，得找到相应的用法 import React, { useRef, useCallback, useEffect, useState, createRef, } from 'react'; import PropTypes from 'prop-types'; import { useTranslation } from 'react-i18next'; import './ViewportDown
1.2K20发布于 2020-07-14
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