This is the Linux app named Deep Learning for Medical Applications whose latest release can be downloaded as Deep-Learning-for-Medical-Applicationssourcecode.tar.gz. It can be run online in the free hosting provider OnWorks for workstations.
این برنامه با نام Deep Learning for Medical Applications with OnWorks را به صورت رایگان دانلود و اجرا کنید.
برای اجرای این برنامه این دستورالعمل ها را دنبال کنید:
- 1. این برنامه را در رایانه شخصی خود دانلود کنید.
- 2. در فایل منیجر ما https://www.onworks.net/myfiles.php?username=XXXXX نام کاربری مورد نظر خود را وارد کنید.
- 3. این برنامه را در چنین فایل منیجر آپلود کنید.
- 4. OnWorks Linux آنلاین یا شبیه ساز آنلاین ویندوز یا شبیه ساز آنلاین MACOS را از این وب سایت راه اندازی کنید.
- 5. از سیستم عامل لینوکس OnWorks که به تازگی راه اندازی کرده اید، به مدیر فایل ما https://www.onworks.net/myfiles.php?username=XXXXX با نام کاربری که می خواهید بروید.
- 6. اپلیکیشن را دانلود کرده، نصب و اجرا کنید.
عکس ها
Ad
یادگیری عمیق برای کاربردهای پزشکی
شرح
Deep-Learning-for-Medical-Applications مخزنی است که روشهای یادگیری عمیق، پیادهسازی کدها و نمونههای اعمالشده بر دادههای تصویربرداری پزشکی و مراقبتهای بهداشتی را گردآوری میکند. این پروژه با استفاده از معماریهای پیشرفته (مانند U-Net، ResNet، انواع GAN) متناسب با محدودیتهای پزشکی (مجموعه دادههای کوچک، هزینههای حاشیهنویسی، عدم تعادل کلاس) به چالشهای خاص هر حوزه مانند قطعهبندی، طبقهبندی، تشخیص و دادههای چندوجهی (مانند MRI، CT، X-ray) میپردازد. این شامل نوتبوکهای Jupyter، معماریهای مدل، خطوط لوله پیشپردازش داده و اسکریپتهای ارزیابی مخصوص وظایف تصویربرداری پزشکی است. این مخزن همچنین ممکن است شامل ماژولهای خاص هر حوزه باشد: توابع اتلاف مانند Dice، اتلاف کانونی، معیارهایی مانند حساسیت/فراخوانی/IoU و ابزارهای تجسم برای همپوشانی ماسکهای قطعهبندی.
امکانات
- معماریهای مدل (مثلاً انواع U-Net، ResNet، GAN) مخصوص تصویربرداری پزشکی
- خطوط لوله پیشپردازش و تکنیکهای تقویت برای دادههای پزشکی
- توابع و معیارهای تلفات مناسب برای قطعهبندی، عدم تعادل کلاس، مانند تاس، تلفات کانونی
- ابزارهای ارزیابی و تجسم برای پیشبینیهای همپوشانی روی تصاویر پزشکی
- نوتبوکهای ژوپیتر که گردشهای کاری سرتاسری را در وظایف هوش مصنوعی پزشکی نشان میدهند
- تأکید بر تکرارپذیری، اعتبارسنجی دقیق و طراحی مبتنی بر دامنه
دسته بندی ها
این برنامهای است که میتوان آن را از https://sourceforge.net/projects/deep-learning-med-app.mirror/ نیز دریافت کرد. این برنامه در OnWorks میزبانی شده است تا بتوان آن را به سادهترین روش به صورت آنلاین از یکی از سیستمهای عامل رایگان ما اجرا کرد.