急性胰腺炎CT诊断.ppt

基于FDK的锥束CT全三维重建算法，Matlab版本。

从 CT 影像中对肺部影像进行分割并识别肺部容积

基于ct图像的三维重建的matlab代码

深度学习的CT图像降噪 01.使用方向小波进行低剂量X射线CT重建的深层卷积神经网络（KAIST-net） 数据集 AAPM-Mayo诊所低剂量CT大型挑战赛（仅腹部CT图像） 512x512，10位患者，5743个切片 使用55x55补丁 模型 该方法适用于低剂量CT图像的小波系数 网络包含24个卷积层 02.通过卷积神经网络进行小剂量CT 数据集 TCIA（癌症影像档案馆）常规剂量的CT图像。 256x256、165位患者，7015个切片。 将泊松噪声加到正常剂量的正弦图中。 使用33x33的补丁。 模型 网络仅使用3个层（Conv-ReLU-Conv-ReLU-Conv）。 03.使用残差卷积网络改善低剂量CT图像 数据集 AAPM-梅奥诊所低剂量CT挑战赛 512x512，10位患者，5080个切片 使用44x44补丁（2D），44x44x24补丁（3D） 模型 二

CNN用于脑室分割 这是在Neurostart hacka上使用CNN分割CT数据的结果。 这是用于脑室分割的全卷积人工神经网络的示例。 这是“个人3D脑图集”项目的第一步。 在Burdenko研究所的帮助下，基于FEFU（远东联邦大学）开发地图集。 感谢您提供数据，并向Dmitry Samborsky，Arthur Biktimirov和“ CPD C 305”实验室的工作人员提供建议。

Mimics Medical 视频教程。

Mimics Medical 教程

适用于Laravel Framework 8.x及更高版本的Argon Pro主题 适用于Laravel Framework 8.x及更高版本的Argon Pro主题 当前版本：Argon Pro v1.2.0。 有关更多信息，请访问 先决条件 如果您还没有具有PHP和MySQL的Apache本地环境，请使用以下链接之一： Windows： ： Linux： ： Mac： ： 您还需要安装Composer： : 安装 解压下载的档案 将argon-master文件夹复制并粘贴到您的项目文件夹中。 将文件夹重命名为您的项目名称 在您的终端上运行composer install 将.env.example复制到.env并更新配置（主要是数据库配置） 在您的终端中运行php artisan key:generate 运行php artisan migrate --seed

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