Si tratta dell'app Windows denominata Deep Learning for Medical Applications, la cui ultima versione può essere scaricata come Deep-Learning-for-Medical-Applicationssourcecode.tar.gz. Può essere eseguita online sul provider di hosting gratuito OnWorks per workstation.
Scarica ed esegui online gratuitamente questa app chiamata Deep Learning for Medical Applications with OnWorks.
Segui queste istruzioni per eseguire questa app:
- 1. Scaricata questa applicazione sul tuo PC.
- 2. Entra nel nostro file manager https://www.onworks.net/myfiles.php?username=XXXXX con il nome utente che desideri.
- 3. Carica questa applicazione in tale file manager.
- 4. Avvia qualsiasi emulatore online OS OnWorks da questo sito Web, ma migliore emulatore online Windows.
- 5. Dal sistema operativo OnWorks Windows che hai appena avviato, vai al nostro file manager https://www.onworks.net/myfiles.php?username=XXXXX con il nome utente che desideri.
- 6. Scarica l'applicazione e installala.
- 7. Scarica Wine dai repository software delle tue distribuzioni Linux. Una volta installato, puoi quindi fare doppio clic sull'app per eseguirli con Wine. Puoi anche provare PlayOnLinux, un'interfaccia fantasiosa su Wine che ti aiuterà a installare programmi e giochi Windows popolari.
Wine è un modo per eseguire il software Windows su Linux, ma senza Windows richiesto. Wine è un livello di compatibilità Windows open source in grado di eseguire programmi Windows direttamente su qualsiasi desktop Linux. Essenzialmente, Wine sta cercando di re-implementare abbastanza Windows da zero in modo che possa eseguire tutte quelle applicazioni Windows senza effettivamente bisogno di Windows.
IMMAGINI
Ad
Apprendimento profondo per applicazioni mediche
DESCRIZIONE
Deep-Learning-for-Medical-Applications è un repository che raccoglie metodi di deep learning, implementazioni di codice ed esempi applicati all'imaging medico e ai dati sanitari. Il progetto affronta sfide specifiche di dominio come segmentazione, classificazione, rilevamento e dati multimodali (ad esempio, risonanza magnetica, TC, radiografia) utilizzando architetture all'avanguardia (ad esempio, varianti U-Net, ResNet, GAN) adattate ai vincoli medici (piccoli set di dati, costi di annotazione, squilibrio di classi). Include notebook Jupyter, architetture di modelli, pipeline di pre-elaborazione dei dati e script di valutazione specifici per attività di imaging medico. Il repository può anche contenere moduli specifici di dominio: funzioni di perdita come Dice, perdita focale, metriche come sensibilità/richiamo/IoU e utilità di visualizzazione per la sovrapposizione di maschere di segmentazione.
Caratteristiche
- Architetture modello (ad esempio varianti U-Net, ResNet, GAN) specializzate per l'imaging medico
- Pipeline di pre-elaborazione e tecniche di aumento per dati medici
- Funzioni di perdita e metriche adatte alla segmentazione, squilibrio di classe, ad esempio dadi, perdita focale
- Utilità di valutazione e visualizzazione per sovrapporre previsioni su immagini mediche
- Notebook Jupyter che mostrano flussi di lavoro end-to-end nelle attività di intelligenza artificiale medica
- Enfasi sulla riproducibilità, validazione accurata e progettazione consapevole del dominio
Categorie
Questa applicazione può essere scaricata anche da https://sourceforge.net/projects/deep-learning-med-app.mirror/. È ospitata su OnWorks per poter essere eseguita online nel modo più semplice da uno dei nostri sistemi operativi gratuiti.
