毕业设计的源码
Graduation-Project
This
is
my
graduation
project
including
the
source
code
and
paper,which
is
named
Differential
recognition
of
lesions
in
thoracic
X-ray
images
based
on
deep
learning。
医学X光图像是一种根据不同组织对X射线的不同吸收程度来反映人体内部结构的成像方式，可以显示多种复杂的病理特征，是目前最常用的放射学检查手段之一。本文研究的胸部X光图像主要用于检测多种常见胸肺部疾病，但与传统的图像分类相比，X光图像在灰度值上的对比度很小，小的病理区域很难被发现，而成像过程中所引起的伪影和畸变很容易淹没临床特征，这给胸部X光图像的疾病检测带来了许多困难。
在胸部X光图像分类上，目前仅使用某种单独的学习策略通常不足以训练参数量大、层数多的复杂深度网络，限制了网络训练速度以及分类效果的提升。因此，本文利用深度学习技术，提出了一种基于双通道分离网络（Dual
Channel
Split
Networ
2021-12-28 11:00:20
1.27MB
1
医学超声液性病变图像多见数个无回声区，呈“蜂窝状”，边界不清晰，为了清晰地提取医学超声液性病变图像的边缘，进一步为临床诊断提供可靠依据，在此将几种不同的边缘检测算法应用于医学超声液态病变图像中，经实验结果得出，经典的边缘检测算法不能很好地提取图像的边缘，而基于Snake模型的边缘检测算法，人为设定边缘控制点，智能动态调整曲线，获得了很好的边缘提取效果，具有很高的临床应用价值。
2021-12-23 15:04:02
262KB
1
matlab视网膜图像分割代码
Matlab-Code
Diagnosis
of
Diabetic
Retinopathy
In
retinal
Fundus
Images
Using
Segmentation
(Hybrid
Algorithm)
2021-11-29 15:31:06
66KB
1
糖尿病性视网膜病变
这是一个创建webb应用程序的项目，该应用程序可以对是否患有糖尿病性视网膜病的视网膜图像进行分类。 这是24小时。
要求
对于网络应用
Python。
Keras带有tensorflow后端。
Django的
用于培训和定制
符合以上要求，
脾气暴躁的
大熊猫
Scikit学习
Matplotlib
Jupyter笔记本
安装
用于运行Web应用程序。
克隆此存储库
前往糖尿病性视网膜病变/网站/
运行'python3 manage.py runserver'
在浏览器中转到localhost / eye。
用于训练模型和定制。
克隆存储库
下载数据集（或 。
根据Keras 将数据集分为症状和非症状。
运行Jupyter笔记本。
模型将另存为model.hd5。
另外，您可以通过加载model.hd5使用我们的预训练模型。
结果
培训收敛到大约
2021-11-12 08:16:55
2.21MB
1
糖尿病_视网膜病变_检测
使用Pytorch检测糖尿病性视网膜病变
关于数据集
数据集包含左眼和右眼的图像。 可以在这里找到更多信息： :
数据预处理
由于图像有噪点，因此我通过裁剪图像将其删除，同时也存在类不平衡问题，因此我通过数据扩充将其删除。
关于实施
在这里，我在Kaggle数据集上实现了糖尿病性视网膜病变检测，该存储库中有两种实现方式：
1.二进制分类：
在bin_retinet.py中，该模型可以预测一个人是否患有糖尿病性视网膜病。
2.多类分类：
模型在multi_retinet.py中预测一个人是否患有：0-无DR 1-轻度2-中等3-严重4-增殖性DR
2021-11-11 15:22:34
5KB
1
所谓图像分割指的是根据灰度、颜色、纹理和形状等特征把图像划分成若干互不交迭的区域，并使这些特征在同一区域内呈现出相似性，而在不同区域间呈现出明显的差异性。
多数的图像分割算法均是基于灰度值的不连续和相似的性质
2021-09-25 17:23:12
2.95MB
1