行业-电子政务-收发性能平衡的微机电超声换能器面阵探头及其制备方法.zip
2021-09-02 09:01:50
920KB
完整英文版 IEC 60601-2-62：2013 Medical electrical equipment - Part 2-62：Particular requirements for the basic safety and essential performance of high intensity therapeutic ultrasound (HITU) equipment（医用电气设备 - 第 2-62 部分：高强度治疗性超声 (HITU) 设备基本安全和基本性能的特殊要求）。IEC 60601-2-62:2013 适用于高强度治疗超声设备的基本安全和基本性能。本国际标准增加或替换了 IEC 60601-1 中列出的特定于高强度治疗超声设备的条款。如果条款或子条款专门用于仅适用于此类设备或仅适用于相关系统，则该条款或子条款的标题和内容将如此说明。如果情况并非如此，则该条款或子条款适用于相关的单个设备和系统。除通用标准的 7.2.13 和 8.4.1 外，本标准范围内设备或系统的预期生理功能所固有的危害不在本标准的特定要求范围内。本标准也适用于
- 通过暴露于高强度治疗性超声进行溶栓的治疗设备；
- 用于通过暴露于高强度聚焦超声来治疗阻塞喂养血管的治疗设备；
- 以及用于缓解骨转移引起的癌痛的设备。
本特定标准不适用于
- 用于物理治疗的超声设备（使用 IEC 60601-2-5 和 IEC 61689）；
- 用于碎石术的超声设备（使用 IEC 60601-2-36）；
- 用于专用热疗设备的超声波设备；和
-超声设备拟用于超声乳化。
2021-09-01 19:02:30
6.88MB
完整英文版 IEC 60601-2-37：2015 Medical electrical equipment - Part 2-37：Particular requirements for the basic safety and essential performance of ultrasonic medical diagnostic and monitoring equipment （医疗电气设备 - 第 2-37 部分：超声医疗诊断和监测设备的基本安全和基本性能的特殊要求）。IEC 60601-2-37:2007+A1:2015 适用于超声诊断设备的基本安全和基本性能。用于起草超声波诊断设备安全的这一特定标准的方法和理念与适用于其他诊断方式（例如 X 射线设备和磁共振系统）的 IEC 60601 2 xx 系列标准中的方法和理念一致。在每种情况下，安全标准都旨在要求输出显示指示器和/或控制装置的复杂性随着诊断询问领域中能量水平的增加而增加。因此，对于所有此类诊断方式，操作员有责任了解超声诊断设备输出的风险，并采取适当的行动以获得所需的诊断信息，同时对患者的风险最小。本版将前一版及其修订版合并为与母版 IEC 60601-1:2005 兼容的形式。
2021-09-01 14:05:55
8.41MB
EchoNet-Dynamic： 可解释的AI用于逐次跳动的心脏功能评估
EchoNet-Dynamic是一种端到端的逐点深度学习模型，用于
左心室的语义分割
通过整个视频或子采样片段预测射血分数，以及
评估射血分数降低的心肌病。
有关更多详细信息，请参见随附的论文，
David Ouyang，Bryan He，Amirata Ghorbani，Neal Yuan，Joseph Ebinger，Curt P.Langlotz，Paul A.Heidenreich，Robert A.Harrington，David H.Liang，Euan A.Ashley和James Y.Zou。 自然，2020年3月25日
数据集
我们共享一组已确定身份的10,030张超声心动图图像，这些图像用于训练EchoNet-Dynamic。 使用OpenCV和pydicom对这些图像进行预处理，包括取消识别
2021-09-01 08:49:35
11.31MB
1
Matlab的耳语nafld-1d-cnn
使用射频（RF）超声信号进行NAFLD诊断和肝脂肪分数定量的1D-CNN模型
该代码用于开发，训练和测试两个1D-CNN模型：a）区分NAFLD和对照（无肝病）的分类器；
b）预测肝脏脂肪比例的脂肪比例估算器。
两种模型均使用射频超声信号作为输入，并使用MRI质子密度脂肪分数（PDFF）作为参考（标签）。
在分类器的情况下，NAFLD被定义为MRI-PDFF>
=
5％。
livernet_1d_cnn.py包含分类器和脂肪分数估算器的最终模型架构。
对于模型训练和超参数调整，请使用hyper_parameter_tuning_classifier.py和hyper_parameter_tuning_ff_estimator.py
对于最终模型训练，请使用train_classifier.py和train_ff_estimator.py。
对于模型测试，请使用test_classifier.py和test_ff_estimator.py。
工具datagenerator.py为深度学习模型中使用的输入数据做准备。
原始的降采样的RF数据应存储
2021-08-30 17:03:44
17KB
1