EchoNet-Dynamic： 可解释的AI用于逐次跳动的心脏功能评估
EchoNet-Dynamic是一种端到端的逐点深度学习模型，用于
左心室的语义分割
通过整个视频或子采样片段预测射血分数，以及
评估射血分数降低的心肌病。
有关更多详细信息，请参见随附的论文，
David Ouyang，Bryan He，Amirata Ghorbani，Neal Yuan，Joseph Ebinger，Curt P.Langlotz，Paul A.Heidenreich，Robert A.Harrington，David H.Liang，Euan A.Ashley和James Y.Zou。 自然，2020年3月25日
数据集
我们共享一组已确定身份的10,030张超声心动图图像，这些图像用于训练EchoNet-Dynamic。 使用OpenCV和pydicom对这些图像进行预处理，包括取消识别
2021-09-01 08:49:35
11.31MB
1
nFeatures_LIME
为具有多个特征的时间序列数据提供可解释的深度学习模型。
2021-08-25 17:15:21
1KB
1
DeepVariant - Google开源深度学习模型，将基因组中的识别变异任务转换为图像分类问题的基因组学工具
2021-08-22 15:14:27
26.77MB
1
yolov5从0搭建训练环境详细指导，最后集成web服务接口，含4G打好标签的训练数据。
2021-08-20 14:18:56
135.91MB
1