快速核磁共振
| |
通过获取更少的测量值来加快磁共振成像（MRI）的潜力，可以降低医疗成本，将对患者的压力降到最低，并使MR成像在目前速度缓慢或昂贵的应用中成为可能。
是Facebook AI Research（FAIR）和NYU Langone Health的一项合作研究项目，旨在研究使用AI来加快MRI扫描的速度。 纽约大学朗格健康中心已经发布了完全匿名的膝盖和大脑MRI数据集，可以从下载。 可以找到与fastMRI项目相关的出版物。
该存储库包含方便的PyTorch数据加载器，子采样功能，评估指标以及简单基准方法的参考实现。 它还包含fastMRI项目的某些出版物中方法的实现
2021-09-06 21:28:15
169KB
1
学校实训毕业商用项目-响应式医学临床研究类网站织梦模板(自适应手机端).zip
2021-09-05 09:05:18
23.58MB
The Impact of Artificial Intelligence on Clinical Judgment:
2021-09-03 18:04:36
290KB
20210902-国海证券-医药生物行业创新药专题研究（三）：新冠常态化凸显药物长期价值，多款药物处于关键临床后期.pdf
2021-09-03 09:06:43
2.16MB
单细胞-rcc-管道
用于分析手稿“单细胞 VIPER 识别复发相关肾肿瘤巨噬细胞”的单细胞 ccRCC 数据的数据文件和代码。 包括手稿中使用的 VIPER 单细胞蛋白质活性推理管道的代码。
“singlecell_gex_viper_analysis.R”包含将基因表达聚类作为第一步的单细胞 ARACNe/VIPER 管道、新颖的聚类算法（通过二次采样轮廓评分选择最佳分辨率的 louvain）、用于细胞类型识别的 singleR 和 InferCNV。 ARACNe 在逐个患者的基因表达簇元细胞上运行，而 metaVIPER 与所有患者衍生的 ARACNe 网络一起运行，并在所有患者中结合批量校正的元细胞基因表达特征，使用 Seurat SCTransform Pipeline 计算。 脚本包括基因表达和 VIPER 级聚类、差异表达和受体配体推断的代码，结合所有 scRNASeq
2021-09-01 10:58:54
762.89MB
1