该数据适合做分类数据，适用于医学专业AI研究，皮肤病分类研究，皮肤病识别，数据一共2300多张
部分图片也可以作为目标检测数据集（需自己标注）
【9类别分别为】：光化角质病、基底细胞癌、皮肤纤维瘤、黑素瘤、痣、色素良性病、脂溢性角化病、鳞状细胞癌、血管损害。
数据多样性，数据分布均匀，常用分类算法可以拟合很好。
resnet34网络精确度可以达到98.3%
欢迎下载使用
2022-06-23 17:23:41
785.27MB
目的:探讨艾滋病患者脑部病变的临床和CT表现特点,提高对其诊断与鉴别诊断的水平。方法:回顾性分析72例艾滋病患者脑部病变的临床和影像学资料,所有病例均行颅脑CT平扫,其中12例同时行增强扫描。比较不同脑部病变的CT阳性率、CT征象,同时将不同脑部病变的死亡率进行分组比较。结果:72例艾滋病患者中,39例CT检查有异常表现的不同病种,CT出现异常改变的发生率有所不同(P =0.03)。CT表现包括低密度灶、占位效应、脑室扩大、脑室积水、病灶环状强化、脑膜强化及脑萎缩等改变,艾滋病患者晚期的死亡率较高。结论:
2022-06-07 14:11:04
772KB
1
原Development and Validation of a Deep Learning Algorithm for Detection of Diabetic Retinopathy in Retinal Fundus Photographs
深度学习应用于眼底图眼科糖尿病视网膜病变预测
2022-05-17 17:47:46
554KB
1
人工智能-机器学习-计算机辅助诊断技术在胃肠道粘膜下病变诊断中的应用.pdf
2022-05-07 19:11:01
2.79MB
黑色素检测
什么是黑色素瘤？
“黑色素瘤” ，也称为“恶性黑色素瘤” ，是一种由称为黑色素细胞的含色素细胞发展而来的癌症。 黑色素瘤通常发生在皮肤上，但很少发生在口腔，肠或眼睛中。 黑色素瘤的主要原因是皮肤色素含量低的人暴露于紫外线（UV）中。 紫外线可以来自太阳，也可以来自其他来源，例如晒黑设备。 大约25％的痣来自于痣。 在以下了解更多信息：-> 。
关于存储库-
此存储库包含用于黑色素瘤检测应用程序的源代码。 以下是“项目结构” ：
.
| Main.py
| dataset.npz
| testcase.npz
| README.md
|---featext
|
2022-04-29 15:51:58
8.64MB
1
本文围绕面向不均匀样本集的惩罚校正 SVN 分类方法、作物病害图像的病变识别预处理、病变模式识别的数值分析特征提取及 SVN 识别、病变图像模式半监督深度学习特征提取及识别、病变图像模式监督深度学习特征提取和一体化识别 5 个方面的内容展开了深入研究。拓展了机器学习理论及其应用范畴，构造了基于机器学习的作物病变图像识别的数据结构和算法范形。最后，将提出的理论和设计方法应用于工厂化果园生产场景采集的苹果病害图像识别并进行算法级别实验验证，为面向深度学习作物病害图像识别的农业智能系统产品开发设计提供了不菲的参考价值。
主要研究成果和创新点如下：
1. 提出了惩罚校正的支持向量分类算法和校正方法。以 SVN 为基础，探讨惩罚支持向量机处理不平衡样本时，在不同目标尤其是样本稀疏目标的学习错误率上呈现的显著性差异，提出惩罚校正的支持向量分类算法和校正方法。
2. 设计了病害图像识别方位亮度多样性仿真方法。同广泛使用的基准数据集相比，农场果园视频感知设备采集环境复杂，充满着多种干扰，定点、移动方式都难以保证在受限条件和有限次数采样下，采集到代表性图像在各状态下分布均匀的样本集。
2022-04-27 16:05:50
5.67MB