MATLAB代码-双射线法-矩量法-MOM-传播因子计算对比-PEC地面；计算电磁学，电波传播，镜像法，双射线法，点源

复杂三维地层建模及快速射线追踪的研究与实现，邓飞，詹毅，三维地层模型是进行数字模拟计算的基础，然而三维地层建模，特别是复杂模型的构造通常比较困难。本文提出了一种利用二维地质剖面

ct值的计算代码matlab 朴素的 X 射线模拟器 模拟由 X 射线点源和矩形 X 射线探测器创建的一个或多个对象（STL 文件）的 X 射线图像。 生成的模拟在 3D 图中可视化，并将生成的 X 射线图像写入位图文件。 这个项目最初是作为工作申请的技术评估写了大约一个星期。 X 射线衰减根据指数衰减（比尔-兰伯特定律）建模，即： 其中 I 0和 I 分别是初始和衰减的 X 射线强度，x 是穿过材料的路径长度，A 是材料的衰减系数。 结果图像中的值对应于 1-(I/I 0 )，范围为 0-1，包括端点。 入门和使用 克隆 repo 并将 repo 的根文件夹添加到路径中。 所有必需的函数/库都包含在内，并在模拟运行时自动添加到路径中。 基本语法： image = xraySimulator('inputStlFilename.stl', attenuation, 'outputImageFilename.bmp'); 其中衰减是 X 射线衰减（上式中的 A，单位：cm^-1）。 模拟参数（对象到源和对象到探测器的距离、探测器尺寸和分辨率等）设置为 getDefaultParamete

本文实例为大家分享了python3射线法判断点是否在多边形内的具体代码，供大家参考，具体内容如下 #!/usr/bin/python3.4 # -*- coding:utf-8 -*- def isPointinPolygon(point, rangelist): #[[0,0],[1,1],[0,1],[0,0]] [1,0.8] # 判断是否在外包矩形内，如果不在，直接返回false lnglist = [] latlist = [] for i in range(len(rangelist)-1): lnglist.append(rangelist[i][0])

X射线图像中COVID-19的检测

Covid-19_Detection_Using_Chest_X-Ray_Images 项目链接-https: 通过胸部X射线图像诊断COVID疾病的深度学习项目。 这是Flask Web GUI的一些屏幕截图。 在该项目中，DenseNet121体系结构用于图像分类，并实现了99％的准确度。 这是模型分类报告和混淆矩阵

最新人教版七年级数学上册4.2直线射线线段两点之间线段最短课时练习.pdf

XNet XNet是一个卷积神经网络，旨在将X射线图像分割为骨骼，软组织和开放束区域。 具体而言，它在小型数据集上表现良好，目的是最大程度地减少软组织类别中的假阳性数。 该代码与在SPIE医学影像会议论文集（2019）中发表的论文一起提供，可在预印本arXiv上找到，为： 引用为： @inproceedings{10.1117/12.2512451, author = {Joseph Bullock and Carolina Cuesta-Lázaro and Arnau Quera-Bofarull}, title = {{XNet: a convolutional neural network (CNN) implementation for medical x-ray image segmentation suitable for small datasets}}, vol

图像的均方误差的matlab代码脊柱X射线图像上的曲率识别 执照 作者：Yann Bachelot，Maxime Carlier，Dimitri Mikec，Luka Matsuda，Jiri Ruzicka。 由Noelie Debs和Carole Frindel监督。 该代码是开源的，这意味着任何人都可以从Github存储库中查看和下载我们的代码。 此处执行的代码是INSA Lyon工学院（生物信息学和建模专业）图像分析课程最终项目的一部分。 项目目标 该项目的目的是通过提供可自动识别色谱柱的计算机例程，通过分析X射线轮廓图像来帮助进行外科手术计划。 执行 我们的代码遵循以下步骤：对比图像，过滤，检测脊柱的起点和终点，检测关键点，选择感兴趣的点，拟合曲线，计算一些统计量。 输入：以个人资料（JPEG格式，EOS采集系统）的形式对30位患者的30幅X射线图像进行数据集。 X射线看起来像传统的X射线照相：其对比度取决于所遍历结构的衰减系数。 输出：在每幅图像上还绘制了30张相同的图像，包括关键点和适合脊椎的相关曲线。 3个包含所有图像的文件夹，对应3种不同的检测方法：霍夫变换，哈里斯检

LaueTools是一个用于白束Laue X射线微衍射数据分析的开源项目，包括图像处理，峰搜索和索引，晶体结构求解（方向和应变）以及数据和晶粒映射可视化的工具。 Python 3代码和新功能现在位于：https://gitlab.esrf.fr/micha/lauetools