Cancer_and_air_quality-

基于目标检测肺CT检测肺癌的诊断系统matlab实现版本，内部含示例数据，可以直接运行

大数据-算法-非小细胞肺癌FasFasL基因的定量表达及临床意义.pdf

大数据-算法-非小细胞肺癌患者外周血中MUC1基因的定量表达及其临床意义.pdf

大数据-算法-非小细胞肺癌生物标志物的定量蛋白质组学研究.pdf

大数据-算法-～（18）F-FDG-PETCT用于精确确定非小细胞肺癌放疗靶区的定量条件的研究.pdf

经调查研究得知，近年来在体检中发现肺癌的人数逐年增多，但是选择住院 治疗的人数却比较少，大约75%的患者在确诊时已经是肺癌中晚期，其治愈几率 大大降低。因此，尽早诊断出肺癌对于降低因肺癌造成的死亡率具有重要意义。 另一方面，面对大量的患者，临床医生有着相当大的工作量，需要先筛选肺癌患 者，然后根据自身经验对患者进行相应的治疗。然而在我国，培养一位经验丰富 的临床医生所需要花费的时间周期较长。综上所述，在医学领域，研究运用人工 智能技术对医学数据分析、辅助临床医生进行肺癌筛选诊断和治疗，具有重要理 论意义和实际应用价值。 本文在分析了目前深度学习方法之后发现，国内外研究者主要针对肺部CT 图像进行肺癌预测，忽略了放射科医生给出的CT图像描述和检验报告，尤其是 检验报告，这样会丢失部分信息。考虑上述问题，本文设计了一种新颖的文本和 图像的多模态学习的肺癌辅助诊断方案。该方案与目前已有的方法不同，是基于 CT图像、放射科医生给出的CT图像描述、检验报告三部分进行多模态融合。 其主要实现要点是将图像部分先预处理，再利用Resnet网络建模;将CT图像描 述部分利用自然语言处理技术进行分词、预训

安全技术-网络信息-模糊神经网络在肺癌诊断中的应用.pdf

RSNA-Pneumonia-Detection-Challenge:目的是预测与肺炎相关的肺部混浊以及胸部X线照片中的边界框。 目的是检测是否对患有肺炎的肺进行分类，并丢弃其他种类的不透明物，例如由液体，细菌，肺癌等引起的不透明物。可以应用各种算法，但是我们继续使用YOLO事实证明这是最好的。 我们从https那里获得了大部分帮助

随机森林图像matlab代码使用CNN的肺癌亚型分类 入门 演示版 random_forest.ipynb 包含什么 癌症亚型分类管道的Python源代码 MATLAB源代码，用于从3D原始图像生成2D联合直方图 二维关节直方图（.csv）的肺癌数据集 可视化每一步的检测管线 在自己的数据集上进行训练的示例 依存关系 Python 3.4 TensorFlow 1.3 凯拉斯2.0.8 用法 结果 接触 查看我的学士论文：基于多模态CT的2D联合直方图的肺癌亚型深度学习分类器，以获取有关此工作的更多详细信息。