肺癌的早期诊断与防治.ppt

肺癌的分期及手术治疗.ppt

Classification of Lung cancer slide images using deep-learning

基于CART决策树模型的中医药联合化疗对晚期肺癌生存预后的分析，焦丽静，杨铭，背景 近年来，肺癌已经成为发病率和死亡率增长最快、对人类健康和生命威胁最严重的恶性肿瘤。70%-80%患者在明确诊断时已属晚期，化

图像分类 深度学习 根据CT图像的肺癌自动诊断系统 机器学习图像分类 深度学习 根据CT图像的肺癌自动诊断系统 机器学习图像分类 深度学习 根据CT图像的肺癌自动诊断系统 机器学习

博雅大数据-肺癌影像诊断项目全部代码

analysys_meat_consumption_lung_cancer_deaths_罗马尼亚 该实验试图确定罗马尼亚在过去28年中的人均肉食消耗量与肺癌死亡人数之间是否可以建立相关性。 输入包括两个数据集，一个数据集涉及癌症死亡的类型，一个数据集涉及人均每种类别的肉类消费量（家禽，猪肉等）。 输出包括一个新创建的数据集，该数据集基于输入数据中的已处理数据，并具有两个可视化视图，可以帮助我们检查相关性是否存在，并进行解释。

matlab分水岭算法源代码肺癌检测 使用MATLAB中的图像处理算法检测肺癌 该项目使用MATLAB来实现图像处理算法。 图像处理工具箱在项目中经常使用。 分割算法的使用基于：。 该项目的目的是提出一种系统，该系统可以使用CT扫描图像定位可能是肺癌的前瞻性区域或结节。 在每个患者文件夹中，CT扫描图像的命名如下： pX_img1.dcm pX_img2.dcm ... 伴随每次CT扫描，我们都有基本道理： pX_seg1.dcm pX_seg2.dcm 其中X是患者编号。 这些地面真相图像是相应CT扫描图像的正确肺癌结节。 建议您将所有这些图像以及每个分段阶段的源代码放在一个文件夹中，以便可以一起运行所有内容。 如果您只对运行某些文件感兴趣，请将相应的文件和图像放在一起。 例如，仅在第一张图像上运行分水岭算法，请确保：图像：p1_img1.dcm，p1_seg1.cdm和源代码：p1_img1watershed.mlx函数：noduleExtraction.m，lungeExtraction.m，falseTruePositives.m和markcontrwatershed.m文件在

计算机辅助肺癌CT图像的自动筛选.pdf

半监督学习以改善肺癌的检测 使用生成模型和半监督学习促进肺癌检测 用于训练的数据集 LUNA16数据集（ ） Kaggle数据科学碗2017（ ） 建筑学 结果 结节检测器结果 发电机结果 分类器结果 方法 准确性 监督学习 64％ 半监督学习 87.3％ 资源 Kaggle数据科学碗2017内核 Luna2016-肺结节检测 Tensorflow中的半监督学习GAN [链接] DSB2017 [链接] Keras-GAN [链接] 使用很少的数据构建强大的图像分类模型[link] 贡献者： Dhamodhran（ @ svella9 ） 悉达思R科蒂（ siddharthkoti ） 维杰·蒙达拉吉（ Vijay-Mundaragi ）