心血管疾病是全球死亡的主要原因之一，在世界范围内日益引起社会关注。 随着技术的出现，机器学习和可穿戴技术的融合为医学领域带来了巨大的好处，它提供了高度准确，可靠和强大的无缝解决方案。 通过早期发现并降低医疗成本，这使患者社区受益。 以及为医学博爱提供有效，可扩展，准确和可靠的预测系统。 本文对用于各种心血管疾病的预测/分类的机器学习算法进行了广泛的调查。 我们将介绍各种模式的见解，例如心音，电子健康记录，生理信号和CT图像，以成功检测出心脏病，并且还将介绍流行的机器学习系统，模糊系统，混合系统的亮点。 从这篇评论中可以注意到，SVM已被广泛使用，随后是神经网络和集成技术。 通过集成技术，其次是SVM和CNN，可以达到95％以上的最高准确度。

用matlab生成谐波代码演示 这个matlab分类器旨在区分正常语音，辱骂/愤怒/违规语音和环境噪声。 语音/噪声分类器基于音频零交叉速率和频谱通量，滥用语音分类器基于梅尔频率倒谱系数和谐波比。 分类器使用K最近邻。 SVM和决策树也经过测试，但由于性能不佳而未选择。 我的训练数据，报告和其他文件可以在以下保管箱链接中找到： 先决条件 Matlab R2014或更高版本（不太确定...） 旧版本中的大多数错误是由于函数名称不同而引起的。 例如， wavread用于旧版本，而不是audioread 。 要检查您的matlab版本是否合适，请输入您的matlab控制台 help audioread 如果是“ audioread”的解释，请继续输入 help audiorecorder 如果列出了两个功能的说明，那么您将它们包含在当前的Matlab中，现在就可以运行我的代码。 安装和运行代码 下载我的Matlab代码 git clone https://github.com/zhiyuan8/speech_detection.git 将您的Matlab工作目录更改为您下载我的代码的文件夹。

帕金森病检测 使用XGBoost检测帕金森氏病，并使用Flask进行部署。 使用的语言：Python 3.7，Html5，CSS3。 该Web应用程序正在开发中，目前托管在两个云平台中： IBM Cloud： : Heroku云： ：

python opencv DNN 人脸检测

使用Tensorflow 2进行Tensorflow对象检测 在此存储库中，您可以找到有关如何在Tensorflow 2中使用Tensorflow OD API的一些示例。有关更多信息，请查看我的文章： 安装 您可以使用Python Package Installer（pip）或 （用于部署和管理容器化应用程序的开源平台）安装TensorFlow对象检测API。 首先克隆Tensorflow Models存储库的master分支： git clone https://github.com/tensorflow/models.git Docker安装 # From the root of the git repository (inside the models directory) docker build -f research/object_detection/dockerfil

Efficient RANSAC for Point-Cloud Shape Detection文献中源码，进行多种几何形状的分割。具体的编译及环境配置参考博客：https://blog.csdn.net/qq_32867925/article/details/123949701?spm=1001.2014.3001.5501

You Only Look Once 论文

2010-Direct-Detection LADAR Systems2010-Direct-Detection LADAR Systems2010-Direct-Detection LADAR Systems2010-Direct-Detection LADAR Systems2010-Direct-Detection LADAR Systems2010-Direct-Detection LADAR Systems2010-Direct-Detection LADAR Systems2010-Direct-Detection LADAR Systems2010-Direct-Detection LADAR Systems2010-Direct-Detection LADAR Systems2010-Direct-Detection LADAR Systems2010-Direct-Detection LADAR Systems2010-Direct-Detection LADAR Systems2010-Direct-Detection LADAR Systems2010-Direc

数据集名称：成人自闭症谱系筛查数据 摘要：自闭症谱系障碍（ASD）是一种与显着的医疗费用有关的神经发育疾病，早期诊断可以显着减少这些疾病。 不幸的是，等待ASD诊断的时间很长，而且程序的成本效益也不高。 自闭症的经济影响和全世界ASD病例数量的增加表明，迫切需要开发易于实施和有效的筛查方法。 因此，迫切需要进行时间高效且可访问的ASD筛查，以帮助卫生专业人员并告知个人是否应进行正式的临床诊断。 全球ASD病例数的快速增长需要与行为特征相关的数据集。 但是，这样的数据集很少，因此很难进行全面的分析以提高ASD筛选过程的效率，敏感性，特异性和预测准确性。 目前，与临床或筛查有关的自闭症数据集非常有限，并且大多数都是自然遗传的。 因此，我们提出了一个与成人自闭症筛查有关的新数据集，其中包含20个特征，可用于进一步分析，特别是在确定有影响力的自闭症特征和改善ASD病例分类方面。 在此数据集中，我们

速度检测和板块识别 检测车辆的速度并识别车牌号。