存储库。 注意：如果您有兴趣使用它，请随时 :star: 回购，所以我们知道！ 当前功能 配置文件 训练图 明智的输入 自述文件的更新 推理文件 定量结果 结果可视化 训练文件 目录结构 重量随模型节省 传奇 解决 工作进行中 数据集 通过仔细注释几名患有不同器官肿瘤并在多家医院被诊断出的患者的组织图像，获得了针对这一挑战的数据集。 通过从TCGA存档下载以40倍放大倍率捕获的H＆E染色的组织图像来创建此数据集。 H＆E染色是提高组织切片对比度的常规方法，通常用于肿瘤评估（分级，分期等）。 考虑到跨多个器官和患者的核外观的多样性，以及在多家医院采用的染色方案的丰富性，训练数据集将使开发健壮且可通用的核分割技术成为可能。 训练数据 包含30张图像和约22,000个核边界注释的训练数据已作为2017年IEEE Transactions on Medical Imaging上的

Applied Medical Image Processing, Second Edition: A Basic Course. by Wolfgang Birkfellner. CRC Press; 2 edition (March 6, 2014)

MedicalNER：使用Flask和Docker作为Web App部署PyTorch NER模型 一个漂亮且可自定义的Web应用程序，可轻松部署您的深度学习（DL）模型 注意 此仓库用于部署任何类型的ML或DL模型，而不仅仅是NER模型。 使用演示 克隆仓库 $ git clone https://github.com/SuperBruceJia/pytorch-flask-deploy-webapp.git 运行以下说明 1）。 构建Docker映像 $ docker build -t ner-model . 2）。 为上面的图像制作并运行一个容器 $ docker run -e LANG

thavlik机器学习产品组合 这是我个人深度学习项目的资料库。 监督实验 这些实验利用了随数据提供的基本事实。 医学数据的地面事实通常构成一位或多位主治医师的判断。 ：按出血类型分类脑部CT扫描 ：在CT扫描中定位腹部肿瘤 （WIP）：使用EEG对运动活动进行细粒度检测 （WIP）：单次，可区分的3D渲染 数据集 这些是我亲自编写/编辑的数据集。 运行代码 配置在yaml文件中定义，可以通过include指令进行组合，以使用最少的样板方便地形成派生实验。 可以通过将路径作为--config标志传递到输入yaml来进行实验，以将其设置为src/main.py ： python3 src/main.py --config experiments/mnist/vae/fid.yaml 注意：该脚本假定当前工作目录是此存储库的根。 按照约定，yaml文件中的所有文件和目录路径都相对于存储

一个非常棒的PPT，介绍了“医疗KG的构建及应用”，来源于JIST 2019（http://120.27.214.45/）上Dr.倪渊的报告。从平安医疗生态圈讲起，到医疗领域的KG构建，最后介绍给予KG的医疗智能服务。

介绍 我们使用提出的DualGAN架构对脑肿瘤扫描进行无监督的图像分割。 DualGAN的架构 数据集 使用的数据集可收集本的作者 先决条件 Python（2.7或更高版本） 麻木 科学的 NVIDIA GPU + CUDA 8.0 + CuDNN v5.1 TensorFlow 1.0或更高版本 MATLAB（用于初始图像处理和计算DICE分数） 脚步 准备图像： Run the prepareimgs.m MATLAB file. Original images (domain A) will be generated in folder /datasets/med-image/train/A from the .mat files. Segmented images (domain B) with highlighted tumor regions will be gener

FreeStyle Libre Unofficial app - supports erasure, dump, program. It was compiled with unlock code integrated (not available on GitHub)

吡利纳克 Pylinac为治疗医学物理领域的Python程序员和非程序员提供TG-142质量保证（QA）工具。 Pylinac包含用于自动分析由线性加速器生成的图像和数据的高级模块。 大多数脚本可以使用少于10行的代码。 内置的GUI也很简单，尽管编程经验可能有助于识别错误。 该库还包含用于创建自己的图像分析算法的低级可。 整个软件包的主要功能包括： PDF报告生成，可提供可靠的文档 自动幻象注册，即使您没有设置完美的幻象 从文件，ZIP存档或URL加载图像 文献资料 首先，请安装软件包，运行演示，查看API文档并学习模块设计，请访问阅读文档中的文档。 安装 通过pip安装： $ pip install pylinac 有关更多详细信息，请参见“。 工具/快速入门指南 以下是当前可用的高级工具： - 输入原始数据，pylinac可以计算单个值（kQ，PDDx，Pion等

信息安全_数据安全_Safety Implications of Medical D web安全 解决方案 区块链 web安全 移动安全

中医自然语言处理资源与论文 Chinese_Medical_Natural_Language_Processing_Resources 中文医疗数据集 Yidu-S4K：医渡云结构化4K数据集 数据集地址： : Yidu-N7K：医渡云标准化7K数据集 数据集地址： : 瑞金医院MMC人工智能辅助内置知识图谱大赛 数据集地址： : 中文医学知识图谱 芝加哥商品交易所 知识图谱简介：CMeKG（中国医学知识图）是利用自然语言处理与文本挖掘技术，基于大规模医学文本数据，以人机结合的方式开发的中文医学知识图谱。 SNOMED，MeSH等权威机构的国际医学标准以及规模庞大，多源替代的临床指南，行业标准，诊疗规范与医学百科等医学文本信息。CMeKG1.0包括：6310种疾病，19853种药物（西药，中成药） ，中草药），1237种诊疗技术及设备的结构化知识描述，涵盖疾病的临床症状，发