Tensorflow实现“ CT结肠造影中具有有限数据集的息肉候选者检测的3D卷积神经网络框架”，Chen Yizhi，2018年，EMBC。 版权保留。 免费提供各种用于研究目的的复制和修订。 在Tensorflow1.4，Python2.7，Ubuntu16.04下 文件结构 您应该参考Configuration.py以全面了解程序和数据库的文件结构。 数据输入 为了避免训练时加载完整尺寸的CT卷所需的大量时间，我们将首先裁剪该卷，然后将它们组织为单独的POLYP DATASET。 像Configuration.py中一样准备CT结肠造影数据。 在文本文件中列出所有CT卷的目录。 在Configuation.py中修改几个重要的目录变量。 运行dataBase.py以构造信息文件和息肉数据集。 训练 “ cd version2”和“ python train.py --fold

本科生项目：基于Mask RCNN深度学习模型的宫颈癌细胞学AI筛选系统 摘要：随着计算机视觉和深度学习的发展，可以使用人工智能解决子宫颈癌细胞自动筛选的问题。 在宫颈癌细胞自动筛选领域，大多数研究主要基于传统的机器学习算法来解决简单的细胞分割和分类问题，而正常宫颈细胞与异常宫颈细胞重叠的细胞分割问题则难以解决。 本文基于Mask RCNN深度学习模型，研究宫颈癌细胞筛查中的细胞分割问题，通过实例分割方法对重叠的正常和异常宫颈细胞进行分割，并进行全视角细胞的目标检测和分类任务研究幻灯片。 在细胞分割方面，Mask RCNN模型用于对ISBI14，ISBI15，CERVIX93发布的子宫颈细胞数据集以及医院通过液基细胞学方法生成的临床子宫颈细胞数据集进行实例分割训练和预测。 最后，在公共数据集ISBI14上进行细胞质分割的模型的结果是：mAP为0.866，平均精度为0.99，在IoU = 0

全基因组检测与遗传病筛查.ppt

英特尔Mobileodt宫颈癌筛查 [SIGE-MII-UGR-2016-17] Kaggle竞赛“英特尔与MobileODT宫颈癌筛查”的资料库

行业分类-设备装置-一种牛奶中人乳铁蛋白筛查试纸条及制备方法

行业分类-设备装置-一种基于人工智能的斜视筛查方法、服务器及系统.zip

狂龙症状性细菌性腹水快速筛查模型分析器是一款针对临床医生为快速筛查患者是否存在症状性细菌性腹水病情而设计，此款分析器经临床使用深受医生好评。在此，对提供筛查模型的朱龙川主任医师表示衷心的感谢! 更新说明 V3.0 1.新增模型简介及模型作者相关信息。 2.修复部分已知体验问题。

2018-胚胎植入前遗传学诊断筛查技术专家共识.pdf

2018-胚胎植入前遗传学诊断与筛查实验室技术指南.pdf

2019-应用二代测序技术进行胚胎植入前遗传学筛查及诊断的基本原理.pdf