仅供学习使用

机器学习医学数据 这是用于机器学习的医疗数据的精选列表。 提供此列表仅供参考，请确保您遵守此处列出的任何数据的所有使用限制。 1.医学影像数据 动态网络斯坦福大学针对医学机器学习而开发的大型新型心脏运动视频数据资源。 概述： : 访问： : 国家医学图书馆展示MedPix:registered: 来自13,000位患者的53,000张医学图像的数据库，带有注释。 需要注册。 信息： ： 注意：自闭症脑成像数据交换：对自闭症内在大脑结构的大规模评估。 539例ASD患者和573例典型对照患者的功能MRI图像。 这1112个数据集由结构和静态功能MRI数据以及大量的表型信息组成。 需要注册。 论文： : 信息： : 预处理版本： ： 阿尔茨海默氏病神经影像学倡议（ADNI） 阿尔茨海默氏病患者和健康对照的MRI数据库。 还具有临床，基因组和生物制造商数据。 需要注册。 论文： : 访问：

DDSM是一个开源的乳腺癌X光数据集，其中包括四类，良性恶性正常以及无需回访的良性。研究人员可以使用其训练模型，但是由于其为医学上的专业格式LJPEG导致训练无法进行，所以本人提供了转换后的jpeg格式的数据集供大家使用，同时附上了转换成其他格式的指令。

医学stop_words.txt，这个版本适合医学数据的数据，EMR以及相关文献和书籍数据，医学文本stop_words集合；医学stop_words.txt，这个版本适合医学数据的数据，EMR以及相关文献和书籍数据，医学文本stop_words集合；医学stop_words.txt，这个版本适合医学数据的数据，EMR以及相关文献和书籍数据，医学文本stop_words集；医学stop_words.txt，这个版本适合医学数据的数据，EMR以及相关文献和书籍数据，医学文本stop_words集合；医学stop_words.txt，这个版本适合医学数据的数据，EMR以及相关文献和书籍数据，医学文本stop_words集合

循证医学数据提取Excel万能换算模板2.0

多维门控循环单元 该存储库包含用于在的论文中生成结果的代码。 它使用深度学习库PyTorch并用Python实现TensorFlow每个，修改后的版本也被用来在ISBI 2015年纵向病变划分的挑战，达到第一名，脑白质高信号第二名使用MICCAI 2017年（和其先前执行的挑战Caffe在MrBrainS13细分挑战赛中名列第三。 它也在BraTS 2017竞赛中得到了应用，在该竞赛中，确切排名的信息仍然未知。 自从使用Caffe实现首次发布以来，该代码已进行了相当多的改进，尤其是在处理培训和测试运行方面。 尽管使用TensorFlow和PyTorch的这种新实现，报告的结果仍应可重现。 （不再维护以前的Caffe代码（CuDNN中可能存在重大更改，未经测试），但此版本的快照包含在此版本的tensorflow_extra_ops文件夹中，作为TensorFlow的附加操作。） 该代码已

医学数据基于机器学习的挖掘应用医学数据基于机器学习的挖掘应用

机器学习、数据挖掘与医学病例的结合

为了提供医学数据可视化分析工具，引入了机器学习方法，以在医学数据库MIMIC-III（美国重症监护医学信息中心）中对肺部恶性肿瘤进行分类。 选择了K最近邻（KNN），支持向量机（SVM）和随机森林（RF）作为预测工具。 根据实验结果，将机器学习预测工具集成到医学数据可视化分析平台中。 该平台软件可以为医生提供灵活的医学数据可视化分析工具。 相关实践表明，即使没有经过专门的数据分析训练，医生也可以根据简单的步骤生成可视化的分析结果，以便医生对医院中积累的数据进行一些研究工作。

医学数据和label1叠加显示，支持放大缩小，非常方便实用。