Lambar_Spine_Slicer
腰椎影像智能分割可视化系统，采用Vue+Django框架，3DUNet算法自动分割nii医疗影像文件，并且可以在前端生成分割后的部位三维建模的模型。
框架
在pycharm中运行Djsngo文件即可
前端代码在Vue中修改，默认8888端口
下载
下载相关依赖库
numpy
SimpleITK
nibabel
scipy
pytorch
训练
训练时将训练集和测试集的数据和标签文件名称存在txt文件中，dataset类中获取数据 ,在utils类中处理数据
处理操作：
ct影像阈值截断
归一化
缩小分辨率
使用dice值评估分割的准确率
config文件中设置相关参数
设置训练的模型大小，每次在输入文件中截取该大小的部分进行训练。
可以加上attention机制提高准确率
三维建模
将nii转为stl模型文件展示椎间盘，神经根，类囊膜渲染在前端
引用
2021-10-22 19:14:12
14.42MB
1
中国临床神经内科
CCKS2019中文命名实体识别任务。从医疗文本中识别疾病和诊断，解剖部位，影像检查，实验室检查，手术和药物6种命名实体。实现基于捷巴和AC自动机的基线构建，基于BiLSTM和CRF的序列标注模型构造。伯尔尼的部分代码源于感谢作者。模型最终测试集重叠0.81，还有更多改进空间。
2021-10-04 20:01:00
42.36MB
1
使用3D运动传感器的姿势和跌倒检测系统
这项工作提出了一种监督学习方法，用于训练姿势检测分类器，并使用Microsoft Kinect v2传感器使用姿势分类结果作为输入来实施跌倒检测系统。 Kinect v2骨架跟踪为25个身体部位提供3D深度坐标。 我们使用这些深度坐标来提取七个特征，这些特征包括对象的高度和某些身体部位之间的六个角度。 然后将这些特征输入到完全连接的神经网络中，该神经网络输出对象的三种已考虑姿势之一：站立，坐着或躺下。 在由多个对象组成的测试数据上，所有三种姿势的平均分类率均达到99.30％以上，这些对象大部分时间甚至没有面对Kinect深度相机，并且位于不同的位置。 这些结果表明，采用提议的设置对人体姿势进行分类的可行性与对象在房间中的位置以及3D传感器的方向无关。
系统演示请观看Posture_fall_detection_demo.mp4视频，以了解姿势和跌倒
2021-09-24 15:17:28
18.11MB
1