这些脚本旨在将骨折在特定时间的生长呈现为其最终形状。 大多数早期水力压裂是通过应用这些模型之一设计的二维模型，即 KGD 和 PKN 进行了分析、比较并求解了它们的方程。 此外，修改 P3D 模型以提供真实的 3D 结果。 通过假设裂缝的椭圆形生长而不是圆形生长，产生了更现实的结果。

骨骨折检测 :worried_face: X射线图像中用于骨折检测的数据扩充和预处理 :person_raising_hand: 1. radius骨远端骨折 :crying_face: 1.1引言 :grinning_face_with_big_eyes: 这部分是关于使用更快的RCNN来检测远侧X射线图像中的远端识别并定位远端radius骨骨折。 （38张图像-分辨率高达1600×1600像素用于训练）。 结果（ACC = 0.96和mAP = 0.866）比医生和放射线医师（仅0.7 ACC）获得的检测结果准确得多。 一些挑战： :grinning_face_with_big_eyes: 在许多情况下，裂缝的尺寸很小且难以检测。 骨折有各种各样的不同形状 Faster R-CNN的优势在于它可以处理高分辨率图像。 同样，可以在检测少量图像的对象时以较高的精度训练Faster R-CNN。 两个明确的任务： 分类远端radius骨是否骨折。 找到骨折的位置。 1.2更快的RCNN 更快的RCNN包含3个部分： 用于分类和生成特征图的卷积深度神经网络。 区域提案

Abaqus UMAT subroutine code for phase-field fracture in elasto-plastic solids ABAQUS相场断裂模拟的UMAT程序，模拟弹塑性材料的断裂。附参考文献、inp文件和f文件。

用来模拟金属低周疲劳的自定义子程序,适用于ABAQUS用户自定义开发

裂隙(fracture)追踪是PFC5.0试验程序中比较常用的辅助功能。在帮助文件(Help)中的应用示例可参考：“Data Files for "Rock Testing" Example Application”。

3dmax碎裂插件FractureVoronoi_v1.1.ms 没有解压密码

FracNet 抽象的 背景：肋骨骨折的诊断在确定创伤严重程度方面起着重要作用。 但是，随着患者数量的增加，快速，准确地识别大量CT图像中的肋骨骨折是一项艰巨的任务，这也要取决于放射科医生的资格。 我们的目标是针对临床上适用的自动系统，用于从CT扫描中进行肋骨骨折的检测和分割。 方法：将来自一个中心的900例患者的总计7,473例带注释的外伤性肋骨骨折纳入我们的数据集，称为RibFrac数据集，并使用人工环标签程序进行注释。 我们开发了一种名为FracNet的深度学习模型，用于检测和分割肋骨骨折。 分别将720名，60名和120名患者随机分为训练组，调整组和测试组。 使用FreeResponse ROC（FROC）分析来评估检测性能的敏感性和假阳性，并使用联合路口交叉口（IoU）和骰子系数（Dice）来评估预测的肋骨骨折的分割性能。 观察者研究（包括独立的仅涉及人类的研究和人类协作研究）

Unity破碎插件-unity-fracture.zip

地球物理matlab源代码自动断裂检测代码（对固体地球手稿“ se-2019-104”的补充） 该存储库包含MATLAB脚本，这些脚本实现了一种方法，该方法可从裂缝岩石的图像中提取数字化裂缝。 该方法在提交给Solid Earth Journal（）的标题为“使用复数小波变换的自动裂缝痕迹检测技术”（se-2019-104）中进行了描述。 该存储库中的MATLAB文件由执行以下功能的MATLAB脚本组成： Ridge_Ensemble_Generator.m->根据用户定义的范围创建一组剪切力系统，并将其保存为* .mat文件->读取一组破碎岩石的图像->根据用户定义的范围计算许多脊实现提取山脊参数，并将检测到的山脊添加到单个图像中并保存。 这被称为山脊合奏。 Ridge_Ensemble_Reader.m->读取山脊整体图像并应用非线性，S型函数，以通过用户定义的阈值过滤掉可能的假阳性并保留可能的山脊->保存高度可能的山脊映射为二值化图像 Ridge_Post_Processing.m->读取二值化的脊图像文件->使用Otsu阈值执行分割操作，以去除孤立的非常小的像素簇->将脊簇构图

comsol学习资料，内容主要是岩石中的裂隙渗流数值模拟计算过程。