注册会员 | 设为首页 | 加入收藏夹
您好，欢迎光临本网站！[请登录] ！[注册会员]！  

搜索资源列表

  1. GPU精粹2：高性能图形芯片和通用计算编程技...part1.rar

  2. 本书目录 第Ⅰ部分 几何复杂性 第1章 实现照片级真实感的虚拟 植物 5 1.1 场景管理 6 1.1.1 种植栅格 6 1.1.2 种植策略 6 1.1.3 实时优化 7 1.2 草层 7 1.2.1 通过溶解模拟Alpha透明 9 1.2.2 变化 10 1.2.3 光照 11 1.2.4 风 12 1.3 地面杂物层 12 1.4 树和灌木层 13 1.5 阴影 14 1.6 后处理 15 1.6.1 天空圆顶辉散 16 1.6.2 全场景辉光 16 1.7 本章小结 17 参考文献 1

  3. 所属分类：硬件开发

    • 发布日期：2012-02-07
    • 文件大小：61865984
    • 提供者：on__no

  1. 结构影像数据VBM分析

  2. DARTEL是由FIL的John Ashburner最新开发的，一组用于被试间脑图像配准的算法和工具。相对于SPM原有被试间配准方法，该方法可以获得更搞精度的被试间配准。FIL内部使用经验表明，基于DARTEL进行VBM分析既可以获得更精确定位(localization)，又可以提高敏感性(sensitivity)。下边对如何使用DARTEL做VBM分析进行逐步说明。

  3. 所属分类：讲义

    • 发布日期：2018-04-05
    • 文件大小：817152
    • 提供者：weixin_41955785

  1. 医学影像学设备

  2. 简要介绍了医学影像设备的发展历程和分类，使学生了解该领域的历史和现状；分别介绍了常规X线机、数字X线机、X线计算机体层、磁共振、超声和核医学等成像设备，以及PACS系统的基本结构、功能、技术参数和应用特点，在内容处理上力求把握主题，选材适当。同时，加强本专业与其他专业之间的紧密联系，相互配合，为学习相关课程和将来从事临床实践准备必要的知识。

  3. 所属分类：医疗

    • 发布日期：2018-06-06
    • 文件大小：105472
    • 提供者：shaolongshi

  1. DCT子空间的非局部均值去噪算法_胡金蓉.pdf

  2. 在整个图像块像素灰度值向量空间中，非局部均值（ｎｏｎｌｏｃａｌｍｅａｎｓ，ＮＬＭ）算法度量像素间的相似性不仅计 算复杂度高，而且当噪声存在时还不能准确地计算出像素间的相似性权重值，影响了对图像冗余性质的利用，使 得 去噪结果图像对比度和清晰度低．针对 ＮＬＭ 算法的这一缺陷，利用离散余弦变换（ｄｉｓｃｒｅｔｅｃｏｓｉｎｅｔｒａｎｓｆｏｒｍ，ＤＣＴ） 的低数据相关性和高能量紧致性，将 ＤＣＴ与 ＮＬＭ 算法相结合，对图像块进行 ＤＣＴ，并在 ＤＣＴ低频系数子空间内度 量像素间的相似性．实验结果表明

  3. 所属分类：机器学习

    • 发布日期：2019-07-21
    • 文件大小：1048576
    • 提供者：imbeyond

  1. 基于机器学习的医学影像分割关键问题研究及其在肿瘤诊疗中的应用_秦文健.caj

  2. 目前最新的计算断层成像（CT）、核磁共振成像（MRI）、超声影像（US）等多模态医学成像技术不仅可以实现对肿瘤病变高分辨率的成像，同时还能够结构及功能多模态成像，从而实现对肿瘤病变无创检测。还作为最常用的治疗规划及监测治疗反应和提供肿瘤关键信息的方法，已经成为临床上对癌症诊疗的主要技术手段[2]，有效克服了常规临床病理取样和分析的难题。但是目前临床基于影像的肿瘤诊断和治疗都依赖于医生的经验主观评判和操作，然而目前成像模态多样化，再加上多维空间数据获取，数据量和信息量也越来越多，如何通过计算机信息

  3. 所属分类：深度学习

    • 发布日期：2019-07-14
    • 文件大小：6291456
    • 提供者：qq_43674158

  1. 在有改良电惊厥治疗史的缓解性抑郁症患者中，我们能否发现任何持续的神经功能改变？

  2. 背景与目的：最近的磁共振成像（MRI）研究已经揭示了抑郁症患者在进行电惊厥治疗（ECT）系列前后人脑的结构和功能差异。 海马是有据可查的皮质下区域之一，随着ECT系列的发展，其皮质体积增加。 而且，一些静息状态的功能性MRI研究表明，ECT系列改变了海马与几个大脑区域的连接性。 但是，ECT是否能在人脑中诱导某些持续的神经功能改变尚不清楚。 方法：在这项研究中，采用横断面设计的抑郁症患者有或没有ECT改良史（分别为N = 5和9），我们从血液氧合作用角度研究了左右海马体之间的功能连接性静息状态功

  3. 所属分类：其它

    • 发布日期：2020-06-03
    • 文件大小：814080
    • 提供者：weixin_38673924

  1. 基于多模态MRI的AD分类模型

  2. 利用多模态磁共振成像数据,构建静息态功能网络,提取了网络属性及结构像中萎缩灰质的灰质体积作为分类特征,训练SVM分类器。实验结果表明,利用结构和功能组合特征,可以区分MCI与正常对照(准确率91.7%),AD与正常对照(准确率100%),AD与MCI(准确率87.8%),有效提高了两类疾病的分类正确率。结果说明提出的分类模型是一种较好的辅助诊断模型。

  3. 所属分类：其它

    • 发布日期：2020-06-20
    • 文件大小：241664
    • 提供者：weixin_38700409

  1. 新型光纤智能结构的健康监控系统设计

  2. 本文重点介绍一种针对磁共振成像(MRI)等高性能应用而开发的新型高分辨率DAC。

  3. 所属分类：其它

    • 发布日期：2020-08-01
    • 文件大小：223232
    • 提供者：weixin_38549327

  1. 【医学图像处理】MRI T1, T2 PD-加权成像

  2. 【医学图像处理】MRI T1, T2 PD-加权成像 深度炼丹炉公众号： 与辐射成像不同，在对比度成像中，对比度取决于所成像结构的衰减率。MR图像中，对比度取决于所成像区域中的磁性和氢核数。通过运行具有不同权重的不同序列，可以选择要成像区域中的不同对比度。主要有一下三个序列： T1加权：最大化T1对比度显示 T2加权：最大化T2对比度显示 质子密度PD加权：氢质子密度显示 当然还有更加复杂的序列，比如 FLAIR：fluid attenuated inversion recovery 和 ST

  3. 所属分类：其它

    • 发布日期：2021-01-06
    • 文件大小：386048
    • 提供者：weixin_38660802

  1. bidscoin:BIDScoin将您的源级神经影像数据转换为BIDS-源码

  2. BIDScoin：将您的影像数据硬币到BIDS BIDScoin是一种用户友好python工具包，可将（“硬币”）源级（原始）神经影像数据集转换为按照Brain Imaging数据结构（又称为标准）组织的 / / 数据集。 。然后，BIDScoin依靠复杂或模棱两可的程序逻辑来识别成像模态，而是使用映射方法来识别原始源数据并将其转换为BIDS数据。通过从MRI头文件（DICOM或PAR / REC；例如ProtocolName ）中读取信息来识别源数据的不同运行，并且研究人员可以事先指定或

  3. 所属分类：其它

    • 发布日期：2021-03-22
    • 文件大小：3145728
    • 提供者：weixin_42113552

  1. 基于小生境微分进化的高斯变分混合贝叶斯推断的磁共振图像中的脑体素分类

  2. 使用磁共振成像（MRI）将脑体素分为灰质，白质和脑脊液（CSF）的分类对于定量脑分析至关重要。 尽管具有计算效率，但最常用的统计分类模型处理强度不均匀性（INU）和部分体积效应（PVE）的能力较弱，因此可能会产生较不准确的结果。 在本文中，我们提出了一种新颖的方法，即VMG-NDE算法，通过同时考虑所有影响来改善MRI图像中的脑素分类。 该算法有四块木板，其中包括：（1）使用高斯变异混合（VMG）模型来表征由PVE引起的体素值的变化，（2）在从图像中提取的小数据量上训练一组局部VMG模型为了减少

  3. 所属分类：其它

    • 发布日期：2021-03-13
    • 文件大小：2097152
    • 提供者：weixin_38743084

  1. healthy-t1-dataset:维护包含宾夕法尼亚大学扫描的健康对照（N = 868）的T1图像的数据集的代码库-源码

  2. 健康患者的结构图像数据集 该存储库包含用于维护数据集的代码，该数据集包含在宾夕法尼亚大学（N = 868）扫描的健康对照（无神经系统疾病史）的研究质量T1 MRI图像（例如，各向同性的分辨率为1mm或更低）。 该项目的推动力是创建一个皮质厚度模板，其中包括整个年龄范围内的受试者，以计算“神经印迹”热图，从而说明一个人的年龄调整后的萎缩。 可以在找到该计划的存储库。 将数据收集到Flywheel集合中，并目视检查运动和其他伪像。 年龄分布的可视化： 使用/accounting.ipynb计

  3. 所属分类：其它

    • 发布日期：2021-03-13
    • 文件大小：27262976
    • 提供者：weixin_42106765

  1. 基于结构相似性正则化和稀疏编码的医学图像超分辨率

  2. 最近，通过稀疏编码的单图像超分辨率重建（SISR）引起了越来越多的兴趣。 考虑到医学图像中明显存在重复的图像结构，本研究通过稀疏编码和结构相似性提出了一种正规化的SISR方法。 基于像素的恢复被纳入为正则项，以利用医学图像的非局部结构相似性，这对于进一步提高恢复的医学图像的质量非常有帮助。 提出了一种替代变量优化算法，并使用了包括CT，MRI和超声图像在内的一些医学专家来研究所提出方法的性能。 结果表明我们的方法优于同类方法。

  3. 所属分类：其它

    • 发布日期：2021-02-24
    • 文件大小：917504
    • 提供者：weixin_38656463

  1. 医学数据-源码

  2. 机器学习医学数据 这是用于机器学习的医疗数据的精选列表。 提供此列表仅供参考，请确保您遵守此处列出的任何数据的所有使用限制。 1.医学影像数据 动态网络斯坦福大学针对医学机器学习而开发的大型新型心脏运动视频数据资源。 概述： : 访问： : 国家医学图书馆展示MedPix:registered: 来自13,000位患者的53,000张医学图像的数据库，带有注释。 需要注册。 信息： ： 注意：自闭症脑成像数据交换：对自闭症内在大脑结构的大规模评估。 539例ASD患者和573例典型对照

  3. 所属分类：其它

    • 发布日期：2021-02-21
    • 文件大小：16384
    • 提供者：weixin_42113380

  1. 改进的连续型最大流算法脑肿瘤磁核共振成像三维分割

  2. 针对脑肿瘤磁核共振成像(MRI)中噪声、低对比度、脑肿瘤边界模糊等原因造成脑肿瘤分割不足的问题，提出一种改进的连续型最大流算法脑肿瘤MRI三维分割方法。针对Flair、T1C和T2三种模态MRI图像使用中值滤波和快速模糊C均值聚类进行预处理得到预处理图像；按照大量实验统计确定的融合比例5∶1∶4(Flair、T1C和T2三种模态)，对各预处理图像进行线性融合得到三维融合图像；采用快速模糊C均值算法对三维融合图像进行聚类得到三维欠分割图像；使用本文提出的算法对三维欠分割图像进行精准分割，即通过分析

  3. 所属分类：其它

    • 发布日期：2021-02-12
    • 文件大小：7340032
    • 提供者：weixin_38646902

  1. rl-medical：使用PyTorch进行通信性多主体深度强化学习以进行解剖地标检测-源码

  2. RL医疗 使用PyTorch进行解剖标志检测的多主体深度强化学习。 这是用于的纸上的代码。 介绍 准确检测解剖标志是几个医学成像任务中必不可少的步骤。 该存储库实施了一种新颖的通信多主体强化学习（C-MARL）系统，以自动检测3D医学图像中的界标。 C-MARL通过在所有代理之间共享体系结构的某些权重，使代理能够学习显式通信信道以及隐式通信信号。 除了C-MARL，该代码还支持没有通信通道的单代理和多代理（名为Network3d）。 这段代码最初是一个fork。 为了方便起见，在data文件

  3. 所属分类：其它

    • 发布日期：2021-02-11
    • 文件大小：100663296
    • 提供者：weixin_42131861

  1. bids-matlab：用于BIDS数据集的MATLAB Octave工具-源码

  2. BIDS for MATLAB /八度 该存储库旨在集中MATLAB / Octave工具，以与符合BIDS（脑成像数据结构）格式的数据集进行交互。 有关BIDS的更多信息，请访问 。 最重要的是，在上加入我们的聊天内容。 另请参阅于Python的和。 产品特点 该工具箱可以做什么 读取BIDS数据集的布局（请参见bids.layout ）， 在该布局上执行查询，以获取有关该数据集中包含的主题，会话，运行，模态，元数据...的信息（请参见bids.query ）， 生成BIDS数据集

  3. 所属分类：其它

    • 发布日期：2021-02-03
    • 文件大小：2097152
    • 提供者：weixin_42149145

  1. 模型：具有实体和存储库的Ruby持久性框架-源码

  2. 花见::模型 的持久性框架。 它提供了一个方便的公共API，可以对数据库执行查询和命令。 该体系结构简化了将业务逻辑（实体）与细节（例如持久性或验证）分开的过程。 它实现以下概念： -由其身份定义的模型域对象。 -在实体和持久层之间进行中介的对象。 像所有其他Hanami组件一样，它可以用作独立框架或在完整的Hanami应用程序中使用。 状态 联系 主页： ： 邮件列表： ： API文档： ： 错误/问题： ： 支持： ： 聊天： ： Ruby Hanami

  3. 所属分类：其它

    • 发布日期：2021-02-02
    • 文件大小：139264
    • 提供者：weixin_42138139

  1. micapipe:多模式成像和连接组分析实验室（http-源码

  2. 用micapipe多micapipe连接组加工 是麦吉尔大学的开发的，可用于麦康奈尔脑成像中心（ ） 。 该管道的主要目标是提供一个半灵活且健壮的框架来处理MRI图像并生成基于模态的可随时使用的连接体。 micapipe利用了一组已知的软件依赖性，不同的大脑图谱以及在我们实验室中开发的软件。 我们管道的基本尖端处理是针对T1加权图像，静止状态fMRI和扩散加权图像。 文献资料 您可以在找到该文档。 优点 微观结构轮廓协方差（ ）。 多个分割（18 x 3）。 包括小脑和皮层下区域。

  3. 所属分类：其它

    • 发布日期：2021-04-01
    • 文件大小：180355072
    • 提供者：weixin_42121725

  1. BMED360-2021:体内成像和生理建模（BMED360）-2021年Spring-源码

  2. 体内成像和生理建模-BMED 360 Spring 2021 （带有关于COVID-19和“爆发科学”的 课程*） [正在进行的版本。 2021-03-22] 这是生物医学系提供的课程的资料库 生物医学涵盖了人类生物学，化学和医学领域，试图在分子和细胞水平上解释健康和疾病背后的因素。 此信息可用于开发更好的诊断和治疗方法。 在此存储库中，您可以找到课程的演示文稿，文档，代码和部分数据。 本课程的目的是通过磁共振成像（MRI）和基于计算机的图像分析，获得有关人和动物体内功能和定量体内成像的

  3. 所属分类：其它

    • 发布日期：2021-03-30
    • 文件大小：681574400
    • 提供者：weixin_42103587