脑电癫痫诊断 R代码可训练14个通道的EEG数据的分类器，以区分癫痫患者和对照组。 请检查文件夹“演示”以了解如何使用该代码。 有关所有功能的文档位于文件夹“ man”中，将被编译为pdf（尚未完成）

临床决策支持系统（CDSS）可用于诊断过敏性疾病。 CDSS具有基于规则的分类方法，可帮助初级医生和临床医生进行诊断并做出可靠的决策。 皮内皮肤测试的结果是CDSS的输入。 该系统可预测是否存在变应性RHINITIS。 该系统是为适应印度南部金奈（Chennai）普遍存在的常见过敏原（吸入剂和摄食剂）而量身定制的。 皮内皮肤测试（IDST）数据是从872名患者中收集的，这些患者访问了印度泰米尔纳德邦钦奈的Good Samaritan Kilpauk实验室和过敏测试中心。

利用深度神经网络学习的特征进行多类轴承故障分类 该存储库包含提交给的论文的代码，该论文使用已学习的数据驱动功能进行故障诊断。 无需手动计算特征，而是通过深度神经网络从数据中学习特征。 然后将这些学习到的功能与SVM一起用于故障分类。 还提出了一种解释数据驱动功能的经验方法。 该论文已被接受并将出现在会议记录中。 数据： 我们使用公开可用的。 该数据集实际上是为预后应用准备的。 但是，我们将其用于故障诊断任务。 我们考虑四种故障类型：正常故障，内部故障，外部故障和球形故障。 原始数据是在几个月内收集的，直到其中一个轴承发生故障。 因此，对于正常情况，我们已在实验开始时收集了数据。 同样，对于错误情况，我们已在实验结束时获取了数据，该数据更接近发生错误的时间点。 我们实验中使用的文件的详细信息可以在下面找到。 提取后，包含原始数据的压缩文件提供了三个文件夹：1st_test，2nd_tes

Condition Monitoring and Faults Diagnosis of Induction Motors Electrical Signature Analysis

一种新的基于卷积神经网络的数据驱动故障诊断方法 本文提出了一种基于LeNet-5的新型CNN进行故障诊断。 通过将信号转换为二维（2-D）图像的转换方法，该方法可以提取转换后的二维图像的特征，并消除手工特征的影响。 我觉得这很有趣，因为它将CNN应用于机械场景。 .py文件是CNN的实现。 但是我没有提供如何预处理数据集。 参考： L. Wen，X. Li，L. Gao和Y. Zhang，“基于卷积神经网络的新的数据驱动的故障诊断方法，”《 IEEE Transactions on Industrial Electronics》，第1卷。 65，不。 7，页5990-5998，2018年7月。

医疗诊断聊天机器人 一个基于Python Flask，Chatterbot，SQLAlchemy和Hexo设计的Web应用聊天机器人，用于常见疾病的初步医学诊断。 确保已安装git，nodejs，hexo和python 3.x 本地设置： pip3 install chatterbot pip3 install sqlalchemy sudo apt install nodejs sudo apt install npm npm install -g hexo-cli git clone https://github.com/haroldponceee/Medical-Diagnosis-Chatbot.git cd Medical-Diagnosis-Chatbot pip3 install -r requirements.txt npm install hexo-renderer-

转移学习进行故障诊断 迁移学习故障诊断深度神经网络 该存储库用于转移学习或具有故障诊断的领域自适应。 论文如下： 引文 如果您使用此代码和数据集进行研究，请考虑引用： @inproceedings{zhang2019domain, title={Domain Adaptation with Multilayer Adversarial Learning for Fault Diagnosis of Gearbox under Multiple Operating Conditions}, author={Zhang, Ming and Lu, Weining and Yang, Jun and Wang, Duo and Bin, Liang}, booktitle={2019 Prognostics and System Health Management Confere

diagnosisDemo diagnosisDemo 是诊断系统前端的架构例子

关于NeuralCD这篇论文，主要是提出了一种通用神经认知诊断(NeuralCD)框架，该框架结合神经网络来学习学生和练习因素向量之间的复杂交互作用 借鉴教育心理学的单调性假设，保证了因素向量的可解释性。 根据真实数据集上的大量实验结果表明，NeuralCD框架具有较高的准确度和可解释性。

Authored by renowned neuroradiologist Steven P. Meyers, Differential Diagnosis in Neuroimaging: Brain and Meninges is a stellar guide for identifying and diagnosing brain pathologies based on location and neuroimaging results. The succinct text reflects more than 25 years of hands-on experience gleaned from advanced training and educating residents and fellows in radiology, neurosurgery, and neurology. The high-quality MRI, CT, PET, PET/CT, conventional angiography, and X-ray images have been collected over Dr. Meyers's lengthy career, presenting an unsurpassed visual learning tool.The distinctive 'three-column table plus images' format is easy to incorporate into clinical practice, setting this book apart from larger, disease-oriented radiologic tomes. The layout enables readers to quickly recognize and compare abnormalities based on high-resolution images.Key Highlights,解压密码 share.weimo.info