您好,欢迎光临本网站![请登录][注册会员]  

搜索资源列表

  1. 不错的超声工作站软件可以下载学习研究一下

  2. 超声工作站(又称B超工作站、B超影像工作站、A超影像工作站、眼超影像工作站、彩超影像工作站、超声影像图文系统、黑白超影像工作站、超声图文报告系统、心脏彩超影像工作站、超声影像工作站软件、超声医学影像工作站、超声影像工作站、三维超声工作站等)支持各种型号的彩色、黑白超声设备,其功能完善,集病人登记、图像采集、诊断编辑、报告打印、图像后处理、病历查询、统计分析等功能模块于一体,是超声科室科学管理的得力助手。 超声工作站它集成了医生常用的专业术语模板,合理的设计了检查部位与模板术语的自动关联,最大程
  3. 所属分类:医疗

    • 发布日期:2018-12-11
    • 文件大小:10485760
    • 提供者:ovo2008
  1. 模仿蓝韵超声工作站7.0A版本的

  2. 蓝韵超声影像管理解决方案是为广大医院量身制作,集病人信息登记与预约、图像采集与处理、诊断报告编辑与打印、病历查询与检索、统计分析与科室管理、数据备份与恢复、HIS系统互联与临床发布等功能于一体的综合信息解决方案。 —————————————————————————————— 病人信息登记与预约 操作简单,可配置多种登记信息默认值 登记字段可自行定制,必填项用特殊颜色显示 复诊病人信息自行提示,做到同一病人同一检查号 与排队叫号系统无缝连接,支持人工干预和急诊优先 ———————————————
  3. 所属分类:医疗

    • 发布日期:2019-04-07
    • 文件大小:26214400
    • 提供者:qq_36639524
  1. 基于深度学习的图像分类方法研究_孟丹.caj

  2. 本文在深度学习框架的基础上对特征提取方法进行了研究,并通过医学图像、人脸表情的检测和分类对其效果进行了验证。本文的研究内容主要包括以下三点:1)提出有约束的高分散主成分分析网络(Constrained High Dispersal PCANet,CHDNet)。本文详细分析了 CHDNet的不同组件对分类性能的影响,针对PCANet的局限性,设计了非线性变化层、多尺度特征池化层,以提高分类性能。将CHDNet应用在医学图像分类中,包括基于Kinect深度图像的人体生理机能自动检测和计算机辅助舌象
  3. 所属分类:深度学习

    • 发布日期:2020-04-02
    • 文件大小:6291456
    • 提供者:olivia_ye
  1. CAMUS 心脏分割超声图像数据集,含500名患者的超声数据

  2. CAMUS 心脏分割超声图像数据集,含500名患者的超声数据百度云,相关竞赛http://camus.creatis.insa-lyon.fr/challenge/
  3. 所属分类:深度学习

    • 发布日期:2021-01-02
    • 文件大小:539
    • 提供者:qq_35054151
  1. Evaluation-of-Complexity-Measures-for-Deep-Learning-Generalization-in-Medical-Image-Analysis:通过医学图像上的深度学习模型报告复杂性度量与泛化性能之

  2. 医学图像分析中深度学习泛化的复杂性评估方法 此存储库中的代码基于我们的经验研究,该研究调查了针对乳房超声图像的监督深度学习分类器的复杂性度量与泛化能力之间的相关性。 该研究进行了。 用于医学图像分析的深度学习模型的性能通常会因使用不同设备收集的图像而下降,这些设备用于数据采集,设备设置或患者人群。 更好地理解新图像的泛化能力对于临床医生在深度学习中的可信度至关重要。 尽管近来已经进行了大量研究工作以建立泛化界限和复杂性度量,但是,预测的和实际的泛化性能之间通常仍然存在显着差异。 此外,相关的
  3. 所属分类:其它

    • 发布日期:2021-03-08
    • 文件大小:20971520
    • 提供者:weixin_42144199
  1. TRFE-Net-for-thyroid-nodule-segmentation-源码

  2. 多任务学习甲状腺区域的甲状腺结节分割Prior 介绍 超声图像中的甲状腺结节分割是一项有价值且具有挑战性的任务,对于甲状腺癌的诊断具有重要意义。 由于缺乏对甲状腺区域感知的先验知识,超声图像固有的低对比度以及超声视频不同帧之间的复杂外观变化,直接应用语义分割技术的现有甲状腺结节自动分割算法很容易会误解非甲状腺区域为结节。 在这项工作中,我们提出了甲状腺区域先导特征增强网络(TRFE-Net)用于甲状腺结节分割。 为了促进甲状腺结节分割的发展,我们贡献了TN3k:甲状腺结节图像的开放式访问数据集
  3. 所属分类:其它

    • 发布日期:2021-03-08
    • 文件大小:212992
    • 提供者:weixin_42139357
  1. 基于深度多项式网络的肿瘤分类和小型超声图像数据集的多核学习

  2. 基于深度多项式网络的肿瘤分类和小型超声图像数据集的多核学习
  3. 所属分类:其它

    • 发布日期:2021-02-24
    • 文件大小:237568
    • 提供者:weixin_38683195
  1. 基于线阵图像深度学习的电池组焊缝瑕疵检测

  2. 为实现对激光焊缝质量的高效检测,引入了线阵图像传感解决在线检测问题,提出了一种基于深度学习的焊缝瑕疵快速检测方法。首先,针对激光焊缝瑕疵,优化了基于YOLO(You only look once)的深度学习网络。其次,在实验数据集中加入了合适的锚框,以提高检测框定位信息的准确度,并通过多尺度特征融合技术提高了瑕疵的识别准确度。最后,制作数据集并提出了一种数据集预处理方法训练网络,提升了瑕疵的识别效果。实验结果表明,本方法对焊缝单孔、穿孔、凹槽瑕疵的总识别率大于94%,对尺寸为4096pixel×
  3. 所属分类:其它

    • 发布日期:2021-02-22
    • 文件大小:6291456
    • 提供者:weixin_38748555
  1. 基于局部加权的Citation-kNN算法

  2. Citation-kNN 算法对传统的kNN 算法进行了改进,使其可以应用于多示例学习问题,但其0-1 决策方式具有一定的局限性,没有充分考虑样本的分布情况。为解决该问题,该文提出局部加权的Citation-kNN 算法,综合考虑样本的分布情况,提出基于样本距离加权、基于样本离散度加权的方法,并对各种组合情况进行了实验。在标准数据集MUSK 和乳腺超声图像数据库上的实验结果表明,该文提出的方法与Citation-kNN 相比,性能有明显提高,并具有良好的适应性。
  3. 所属分类:其它

    • 发布日期:2021-02-21
    • 文件大小:863232
    • 提供者:weixin_38553466