欢迎来到测验碗的字面癌症

UCI Breast Cancer 数值化二分类建模数据

图神经网络学习模型，用于利用DNA甲基化数据进行精确的多肿瘤早期诊断 运行环境 Linux环境，Python 3 需要以下软件包：numpy，pandas，collections，pytorch，torch_geometirc，seaborn 必须将torch_geometric创建的数据集保存在名为“已处理”的目录中 安装 pip install numpy pip install pandas pip install collections pip install seaborn 在安装pytorch时，应该匹配pytorch，torchvision，cuda和cudnn的版本。 这是我的安装命令作为参考。 conda install pytorch==1.5.0 torchvision==0.6.0 cudatoolkit=10.2 -c pytorch torch_geome

肺结节检测代码 matlab 此处授予仅出于教育和研究目的且免费使用、复制或修改本软件及其文档的许可，前提是所有副本和支持文档中均包含此版权声明和原作者姓名。 未经作者许可，不得使用、改写或改编本程序作为商业软件或硬件产品的基础。 作者对本软件对任何目的的适用性不作任何陈述。 它“按原样”提供，没有明示或暗示的保证。 1.0 版，2018 年 5 月 28 日。 对于任何错误/建议，请发送电子邮件至或有关更多详细信息，请访问 该软件是以下论文的实现： N. Khehrah、MS Farid、S. Bilal，“CT 扫描中的自动肺结节检测”，提交给国际医学信息学杂志。 如果您在研究中使用此代码，请参考上述论文。 此文件夹“演示”包含以下文件 1)main.m 2)segmentation.m 3)temporal_feature.m 4)statistical_feature 5)svmStruct 6)regiongeneration.m 7)regiongeneration1.m 除了这些文件，该文件夹还包含一些作为演示处理的肺 Ct 扫描示例图像。 Segmentation.m

二分类数据集，乳腺癌数据集，568条记录，30类特征，可以用分类算法如xgboost，svm等分类算法

Breast_cancer_classification_ 使用四种算法对乳腺癌进行分类，并检查每个模型的预测准确性得分

机器学习深度学习经典数据集cancer,iris,LineBlobs,square1,Sticks等数据的xls,mat格式

PERMUTATION TESTS FOR JOINPOINT REGRESSION WITH APPLICATIONS TO CANCER RATES

该数据集包含5个类别的25,000个组织病理学图像。所有图像的尺寸均为768 x 768像素，并且均为jpeg文件格式。

大豆图像识别matlab代码基于形状异常的血液显微镜图像上的癌细胞检测 该存储库中的代码已在MATLAB中实现。 该项目的目的是通过模式识别和机器学习技术，基于收集到的图像来检测白细胞。 该项目有6个主要主题： 图像采集 图像预处理 图像分割 形态运算 特征提取 澄清 在该项目中，用不同的方法显示了不同的结果，它们对分类准确性也有影响。 CIELAB L a b颜色分割和K-Means聚类用于图像分割， 分水岭算法用于检测和分离重叠的白细胞。 纹理，统计和几何特征用于白细胞的特征提取 支持向量机和多层感知器神经网络用于分类。 总共分析了108张图像，并且达到了95％的准确度。 可以在下面的链接中请求数据集