两种格式: md和ipynb, 根据谷歌翻译修改完成. 会不定期更新加入代码试用和修改体会...

CVC-T 数据集是一个更广泛的数据集的测试集，称为 Endoscene。CVC-T 由从 36 名患者获得的 44 个视频序列中获得的 60 张图像组成。 一度找不到这个单独的数据集，但其实是包含在一整个医学分割网络的训练策略里的，这个策略是： 训练：其中90%的Kvasir和ClinicDB数据集； 测试：Kvasir和CVC-ClinicDB数据集中的其余图像+CVC-ColonDB+CVC-T+ETIS-Larib的所有图像。 如果有单独的需要可以自取。

Pytorch框架全流程开发医学影像课程，2023年1月新课 本课程以实践为目的，把深度学习概念及基础学习贯穿在几个实践项目中，带领你们进入PyTorch深度学习的世界，使用PyTorch将其一一实现。

分享课程——Pytorch框架全流程开发医学影像端到端判别实战项目课程

摘要：由人体的CT医学影像数据建立人体数字化体模和感兴趣器官或区域(假设为均匀的放射源)，分别采用解析方法和蒙特卡洛方法(MCNP程序)计算了体外HPGe探测器的无源效率刻度曲线，二者在低能和高能段符合很好，在中能段最大差异在5%左右。自己研制的无源效率刻度软件在计算问题的规模上和计算时间上比蒙特卡洛方法具有非常明显的优越性。 关键词：CT；无源刻度；探测效率；MCNP；MDP

ASCLEPIUS 用于学习使用VTK进行医学影像的三维重建 编译与运行 将vtk-lib目录添加到系统Path中(仅支持Windows x64) 修改运行配置：指定JRE配置项为$JAVA_HOME$\jre 编译运行

模拟医学影像设备发送dicom文件

医学影像作业 基于医学影像配准+DUNet实现的视网膜血管检测_眼底血管分割源码+数据集+实验报告.zip 图像配准 眼底血管分割实验 详细操作说明 实验报告 【实验思路】 1.图像预处理： 单通道化RGB2Gray 归一化 对比度限制自适应直方图均衡化 伽马校正 2.图像分割成小块patch 3.torch写网络 Unet  - Unet++  4.训练与测试，计算每个小patch的train_loss和dice_score 5.合并图像 6.计算整体测度 【实验结果】 CHASE数据集用cuda训练batchsize为2，网络采用UNet++，轮数epoch=5，测试集结果：avarage Dice: **78.03%**, avarage Accuracy: **96.91%** DRIVE数据集用cpu训练batchsize为8，网络采用UNet，轮数epoch=5，测试集结

本数据集是一个癌症CT图像数据，包括69位不同的患者的475个病例的中等规模的CT影像和患者年龄。该数据是 TCGA-LUAD 肺癌CT影像数据库的一部分。

医学成像交互工具包（MITK）是用于开发交互式医学图像处理软件的免费开源软件系统。 MITK将Insight Toolkit（ITK）和Visualization Toolkit（VTK）与ap结合在一起。Medical Imaging Interaction Toolkit（MITK）是一个免费的开源软件系统，用于开发交互式医学图像处理软件。 MITK将Insight工具包（ITK）和可视化工具包（VTK）与应用程序框架结合在一起。 以下链接提供了针对不同使用场景的高级和参考文档：获得有关MITK的高级概述，并提供指向更多文档的指针寻求MITK应用程序帮助的最终用户应阅读以下内容：