זוהי אפליקציית Windows בשם Deep Learning for Medical Applications, אשר את הגרסה האחרונה שלה ניתן להוריד בשם Deep-Learning-for-Medical-Applicationssourcecode.tar.gz. ניתן להריץ אותה באופן מקוון בספק האירוח החינמי OnWorks לתחנות עבודה.
הורד והפעל אונליין את האפליקציה הזו בשם Deep Learning for Medical Applications with OnWorks בחינם.
בצע את ההוראות הבאות כדי להפעיל את האפליקציה הזו:
- 1. הורד את היישום הזה למחשב שלך.
- 2. הזן במנהל הקבצים שלנו https://www.onworks.net/myfiles.php?username=XXXXX עם שם המשתמש שאתה רוצה.
- 3. העלה את היישום הזה במנהל קבצים כזה.
- 4. הפעל כל אמולטור מקוון של OS OnWorks מאתר זה, אך עדיף אמולטור מקוון של Windows.
- 5. ממערכת ההפעלה OnWorks Windows שזה עתה התחלת, עבור אל מנהל הקבצים שלנו https://www.onworks.net/myfiles.php?username=XXXXX עם שם המשתמש הרצוי.
- 6. הורד את האפליקציה והתקן אותה.
- 7. הורד את Wine ממאגרי התוכנה שלך להפצות לינוקס. לאחר ההתקנה, תוכל ללחוץ פעמיים על האפליקציה כדי להפעיל אותם עם Wine. אתה יכול גם לנסות את PlayOnLinux, ממשק מפואר מעל Wine שיעזור לך להתקין תוכניות ומשחקים פופולריים של Windows.
Wine היא דרך להפעיל תוכנת Windows על לינוקס, אך ללא צורך ב-Windows. Wine היא שכבת תאימות של Windows בקוד פתוח שיכולה להריץ תוכניות Windows ישירות על כל שולחן עבודה של לינוקס. בעיקרו של דבר, Wine מנסה להטמיע מחדש מספיק של Windows מאפס כדי שהוא יוכל להריץ את כל יישומי Windows מבלי להזדקק ל-Windows.
בצילומי מסך
Ad
למידה עמוקה עבור יישומים רפואיים
תיאור
Deep-Learning-for-Medical-Applications הוא מאגר המאגד שיטות למידה עמוקה, יישומי קוד ודוגמאות המיושמות על נתוני הדמיה רפואית ונתוני בריאות. הפרויקט מטפל באתגרים ספציפיים לתחום כמו פילוח, סיווג, גילוי ונתונים רב-מודאליים (למשל MRI, CT, רנטגן) באמצעות ארכיטקטורות חדישות (למשל U-Net, ResNet, גרסאות GAN) המותאמות לאילוצים רפואיים (מערכי נתונים קטנים, עלויות ביאור, חוסר איזון בכיתה). הוא כולל מחברות Jupyter, ארכיטקטורות מודל, צינורות עיבוד מקדים של נתונים ותסריטי הערכה ספציפיים למשימות הדמיה רפואית. המאגר עשוי להכיל גם מודולים ספציפיים לתחום: פונקציות אובדן כמו Dice, אובדן מוקדי, מדדים כגון רגישות/זיכרון/IoU, וכלי עזר להדמיה לשכבת מסכות פילוח.
תכונות
- ארכיטקטורות מודל (למשל U-Net, ResNet, גרסאות GAN) המתמחות בהדמיה רפואית
- צינורות עיבוד מקדים וטכניקות הרחבה עבור נתונים רפואיים
- פונקציות אובדן ומדדים מתאימים לסגמנטציה, חוסר איזון בכיתה, למשל קוביות, אובדן מוקדי
- כלי הערכה והדמיה להנחת תחזיות על גבי תמונות רפואיות
- מחברות Jupyter המציגות זרימות עבודה מקצה לקצה במשימות בינה מלאכותית רפואית
- דגש על שחזור, אימות קפדני ותכנון מודע לתחום
כל הקטגוריות
זוהי אפליקציה שניתן להוריד גם מאתר https://sourceforge.net/projects/deep-learning-med-app.mirror/. היא אוחסנה ב-OnWorks על מנת שניתן יהיה להפעיל אותה באופן מקוון בצורה הקלה ביותר מאחת ממערכות ההפעלה החינמיות שלנו.
