一个简单的、功能完善的、基于Java+MySQL+javaFX的医院管理系统,适用于Java初学者,可以用于课程设计、大作业参考,数据库表可根据所需进行编写,代码内容可根据所需进行修改
2023-02-26 23:47:46 1.95MB Java
1
(完整版)基于51单片机的医院病房紧急呼叫系统(无线+语音).doc
2023-02-26 18:43:41 663KB (完整版)基于51单片机的医院病
1
医学图像的三维重建及基于VTK的实现和应用
2023-02-25 17:06:15 1.05MB 医学图像 三维重建 VTK
1
摘要:由人体的CT医学影像数据建立人体数字化体模和感兴趣器官或区域(假设为均匀的放射源),分别采用解析方法和蒙特卡洛方法(MCNP程序)计算了体外HPGe探测器的无源效率刻度曲线,二者在低能和高能段符合很好,在中能段最大差异在5%左右。自己研制的无源效率刻度软件在计算问题的规模上和计算时间上比蒙特卡洛方法具有非常明显的优越性。 关键词:CT;无源刻度;探测效率;MCNP;MDP
1
一些医学图像分割的小例子,对于初学者来说是非常有用的。
2023-02-24 21:41:59 11.91MB 医学 图像分割
1
医院内部体检管理系统需求文档,针对B超、血检等各项指标进行细分,生成体检档案。
2023-02-23 13:20:16 36KB 功能模块说明
1
1 引言   无线医疗监护是利用无线通信技术辅助医疗监护的简称。在科技蔓延到医疗领域的今天,也在不断要求医学传感器的小型化和信息化。而近年来,随着无线数据传输技术的快速发展和普及,无线医疗监护成为大家关注的热点。   ZigBee是一种今年来兴起的无线网络通信技术标准,成本低、功耗低是其突出的优势。其网络容量大,数据交换小,专注于低速率信号穿传输。很符合基本生理信号的传输要求。   本文的主要首先介绍了基于WPAN的无线医疗监护技术,然后介绍了基于JN5121芯片的技术实现。最后对无线医疗监护网络的发展前景及其存在课题做了展望。   2 基于WPAN无线医疗监护技术   WPAN是为
1
CA-Net:用于可解释医学图像分割的综合注意力卷积神经网络 该存储库提供“ CA-Net:可解释医学图像分割的综合注意力卷积神经网络”的代码。 现在可以在上我们的工作。 接受了我们的工作。 图1. CA-Net的结构。 图2.皮肤病变分割。 图3.胎盘和胎脑分割。 要求条件 一些重要的必需软件包包括: 版本> = 0.4.1。 智慧 Python == 3.7 一些基本的python软件包,例如Numpy。 按照官方的指导安装 。 用法 用于皮肤病变分割 首先,您可以在下载数据集。 我们仅使用了ISIC 2018 task1训练数据集,要对数据集进行预处理并另存为“ .npy”,请运行: python isic_preprocess.py 为了进行5倍交叉验证,请将预处理数据分成5倍并保存其文件名。 跑步: python create_folder.py 要在ISI
2023-02-22 20:42:26 36.8MB attention-mechanism Python
1
(1)登陆:用户可以通过用户名和密码进行登陆系统。 (2)修改资料:医疗可以通过对在个人资料模块进行修改包括密码。 (3)用户:查看科室信息,查看医生信息,查看新闻信息,查看网站留言以及基本的登陆注册功能,我要预约以及我的预约信息,我要留言等功能。 (4) 医生:我的病人信息管理模块,预约管理模块,留言列表,能够查看所有的用户留言信息; (5) 系统管理员:科室信息管理,医生信息管理,病人信息管理,预约信息管理,新闻信息管理,留言信息管理,用户信息管理等。
2023-02-22 15:07:37 5.84MB Python pycharm vue bootstrap
1
医疗保险费用预测器 该项目预测个人的医疗保险费用。 该模型通过考虑人的年龄,性别,bmi,孩子的数量以及个人是否吸烟来预测成本。 为什么使用此数据集? 我选择此数据集是因为预测个人的医疗保险费用将帮助保险公司选择价格,银行相应地发放贷款,并且,个人将了解有关保险费用和计划其财务状况的费用因此。 使用的算法 线性回归已用于训练模型。 80%的数据集已用于训练数据集,而20%的数据已用于测试。 绘制数据后,可以看到该图是一条直线。 因此,已使用线性回归。 该模型的方差得分约为0.80。 如果模型的方差得分大于0.60,则认为它是一个好的模型。 使用的Python库 熊猫-用于查看和处理数据 matplotlib-用于绘制数据 numpy-将数据分为两部分,一部分进行训练,另一部分进行测试 sklearn-用于应用线性回归和训练模型 tkinter-制作GUI 数据集来源 该数据集取自ka
2023-02-21 23:29:27 19KB Python
1