هذا تطبيق ويندوز يُسمى "التعلم العميق للتطبيقات الطبية"، ويمكن تنزيل أحدث إصدار منه باسم Deep-Learning-for-Medical-Applicationssourcecode.tar.gz. ويمكن تشغيله عبر الإنترنت من خلال موفر الاستضافة المجاني OnWorks لمحطات العمل.
قم بتنزيل وتشغيل هذا التطبيق المسمى Deep Learning for Medical Applications مع OnWorks عبر الإنترنت مجانًا.
اتبع هذه التعليمات لتشغيل هذا التطبيق:
- 1. قم بتنزيل هذا التطبيق على جهاز الكمبيوتر الخاص بك.
- 2. أدخل في مدير الملفات الخاص بنا https://www.onworks.net/myfiles.php؟username=XXXXX باسم المستخدم الذي تريده.
- 3. تحميل هذا التطبيق في هذا الملف.
- 4. ابدأ تشغيل أي محاكي لنظام التشغيل OnWorks عبر الإنترنت من موقع الويب هذا ، ولكن أفضل محاكي Windows عبر الإنترنت.
- 5. من نظام التشغيل OnWorks Windows الذي بدأته للتو ، انتقل إلى مدير الملفات الخاص بنا https://www.onworks.net/myfiles.php؟username=XXXXX مع اسم المستخدم الذي تريده.
- 6. قم بتنزيل التطبيق وتثبيته.
- 7. قم بتنزيل Wine من مستودعات برامج توزيعات Linux الخاصة بك. بمجرد التثبيت ، يمكنك النقر نقرًا مزدوجًا فوق التطبيق لتشغيله باستخدام Wine. يمكنك أيضًا تجربة PlayOnLinux ، وهي واجهة رائعة على Wine والتي ستساعدك على تثبيت برامج وألعاب Windows الشائعة.
يعد Wine طريقة لتشغيل برامج Windows على نظام Linux ، ولكن بدون الحاجة إلى Windows. Wine عبارة عن طبقة توافق Windows مفتوحة المصدر يمكنها تشغيل برامج Windows مباشرة على أي سطح مكتب Linux. بشكل أساسي ، يحاول Wine إعادة تنفيذ ما يكفي من Windows من البداية حتى يتمكن من تشغيل جميع تطبيقات Windows دون الحاجة إلى Windows بالفعل.
SCREENSHOTS
Ad
التعلم العميق للتطبيقات الطبية
الوصف
"التعلم العميق للتطبيقات الطبية" هو مستودع يجمع أساليب التعلم العميق، وتطبيقات الأكواد البرمجية، والأمثلة المطبقة على بيانات التصوير الطبي والرعاية الصحية. يتناول المشروع تحديات خاصة بمجالات محددة، مثل التجزئة، والتصنيف، والكشف، والبيانات متعددة الوسائط (مثل التصوير بالرنين المغناطيسي، والتصوير المقطعي المحوسب، والأشعة السينية) باستخدام هياكل متطورة (مثل U-Net، وResNet، ومتغيرات GAN) مصممة خصيصًا للقيود الطبية (مثل مجموعات البيانات الصغيرة، وتكاليف التعليقات التوضيحية، واختلال توازن الفئات). يتضمن دفاتر Jupyter، وهياكل النماذج، وأنابيب معالجة البيانات مسبقًا، ونصوص التقييم الخاصة بمهام التصوير الطبي. قد يحتوي المستودع أيضًا على وحدات خاصة بمجالات محددة: دوال الفقد مثل Dice، وفقد البؤرة، ومقاييس مثل الحساسية/الاستدعاء/IoU، وأدوات التصور لتراكب أقنعة التجزئة.
شرح المميزات:
- هياكل النماذج (على سبيل المثال U-Net وResNet ومتغيرات GAN) المتخصصة في التصوير الطبي
- خطوط الأنابيب المعالجة المسبقة وتقنيات التعزيز للبيانات الطبية
- وظائف الخسارة والمقاييس المناسبة للتجزئة، وعدم توازن الفئة، على سبيل المثال النرد، والخسارة البؤرية
- أدوات التقييم والتصور لتراكب التوقعات على الصور الطبية
- دفاتر Jupyter تُظهر سير العمل الشامل في مهام الذكاء الاصطناعي الطبية
- التركيز على إمكانية إعادة الإنتاج والتحقق الدقيق والتصميم المراعي للمجال
التصنيفات
هذا تطبيق يُمكن تنزيله أيضًا من https://sourceforge.net/projects/deep-learning-med-app.mirror/. وقد استُضيف في OnWorks لتشغيله عبر الإنترنت بسهولة من أحد أنظمتنا التشغيلية المجانية.
