摘要对射线识别煤矸技术进行简要介绍对射线探测煤矸识别技术进行了模拟实验对探测的煤矸进行成像通过软件对煤矸图像进行数字化处理计算出煤矸的图像灰度值并通过实验数据统

基于FMM的

意大利 IAE 生产的乳腺X射线机球管，性能手册，技术文档，球管型号：XM65T，为医疗设备技术人员提供参考。

X射线光电子能谱分析.ppt

x射线人体部位分类数据集，他的数据集包含20个身体部位及其他部位的2481张x光片，由放射科住院医师以多标签的方式注释，图像为DICOM格式。你可以用pydicom打开它们。标签是分类的腹部= 0脚踝= 1颈椎= 2胸部= 3锁骨= 4肘关节= 5足= 6手指= 7前臂= 8手= 9臀部= 10膝盖= 11小腿= 12腰椎= 13其他= 14骨盆= 15肩膀= 16鼻窦= 17头骨= 18大腿= 19胸椎= 20手腕= 21

Delphi 粒子生成系统实例 粒子生成系统Delphi实例，可生成瀑布、星空、喷泉、射线等样式的粒子动态图，个别还挺逼真，本程序虽不能和复杂的粒子系统来对比，但也算是一个值得参考的程序了。

星空背景发送射线动画按钮特效是一款基于gsap css3制作的全屏星空背景动画和点击按钮发送信息光束射线动画特效。

matlab代码影响深度学习胸部X射线图像 为解决Kaggle在放射线照相图像中识别肺炎所提供的挑战而开展的活动。 动机来自安德森·索亚雷斯（Anderson Soares）教授的提议，他在课堂上提出了挑战。 为了解决该问题，该存储库中包含一种人工机器学习智能技术，专注于使用深度学习对模式进行识别。 语境 数据集被组织为3个文件夹（训练，测试，验证），并包含每个图像类别（肺炎/正常）的子文件夹。 有5,863张X射线图像（JPEG）和2类（肺炎/正常）。 胸部X射线图像（前后）选自广州市广州市妇女儿童医疗中心的1至5岁儿科患者的回顾性研究。 所有胸部X射线成像均作为患者常规临床护理的一部分进行。 为了分析胸部X射线图像，首先对所有胸部X光片进行了筛查，以通过去除所有低质量或不可读的扫描来进行质量控制。 然后，由两名专业医师对图像的诊断进行分级，然后再将其清除以训练AI系统。 为了解决任何分级错误，还由第三位专家检查了评估集。 解决方案 通过使用InceptionV3网络，使用转移学习资源实现了深度神经网络。 可以在网络体系结构本身的实现中可视化所使用的参数。 该解决方案还使用了外部数据

记录计图上机-图形填充

电子测量与检验技术