これは「Deep Learning for Medical Applications」というWindowsアプリです。最新リリースはDeep-Learning-for-Medical-Applicationssourcecode.tar.gzとしてダウンロードできます。ワークステーション向けの無料ホスティングプロバイダーであるOnWorksでオンラインで実行できます。
OnWorks を使用した医療アプリケーション向けディープラーニングというアプリを無料でダウンロードしてオンラインで実行します。
このアプリを実行するには、次の手順に従ってください。
-1。このアプリケーションをPCにダウンロードしました。
--2。ファイルマネージャーhttps://www.onworks.net/myfiles.php?username=XXXXXに必要なユーザー名を入力します。
-3。このアプリケーションをそのようなファイルマネージャにアップロードします。
-4。このWebサイトからOSOnWorksオンラインエミュレーターを起動しますが、Windowsオンラインエミュレーターの方が優れています。
-5。起動したばかりのOnWorksWindows OSから、必要なユーザー名でファイルマネージャーhttps://www.onworks.net/myfiles.php?username=XXXXXにアクセスします。
-6。アプリケーションをダウンロードしてインストールします。
-7.LinuxディストリビューションソフトウェアリポジトリからWineをダウンロードします。 インストールしたら、アプリをダブルクリックして、Wineで実行できます。 また、人気のあるWindowsプログラムやゲームのインストールに役立つWine上の豪華なインターフェイスであるPlayOnLinuxを試すこともできます。
WineはLinux上でWindowsソフトウェアを実行する方法ですが、Windowsは必要ありません。 Wineは、任意のLinuxデスクトップでWindowsプログラムを直接実行できるオープンソースのWindows互換性レイヤーです。 基本的に、Wineは、実際にWindowsを必要とせずに、これらすべてのWindowsアプリケーションを実行できるように、十分な数のWindowsを最初から再実装しようとしています。
スクリーンショットは
Ad
医療アプリケーション向けディープラーニング
DESCRIPTION
Deep-Learning-for-Medical-Applications は、医用画像およびヘルスケアデータに適用されたディープラーニング手法、コード実装、および事例をまとめたリポジトリです。このプロジェクトは、医療上の制約（小規模データセット、アノテーションコスト、クラス不均衡）に合わせて調整された最先端のアーキテクチャ（U-Net、ResNet、GANバリアントなど）を用いて、セグメンテーション、分類、検出、マルチモーダルデータ（MRI、CT、X線など）といったドメイン固有の課題に取り組みます。このプロジェクトには、Jupyterノートブック、モデルアーキテクチャ、データ前処理パイプライン、医用画像タスクに特化した評価スクリプトが含まれています。リポジトリには、Diceなどの損失関数、焦点損失、感度/再現率/IoUなどのメトリクス、セグメンテーションマスクを重ね合わせるための可視化ユーティリティなど、ドメイン固有のモジュールも含まれる場合があります。
オプション
- 医用画像処理に特化したモデルアーキテクチャ（U-Net、ResNet、GANバリアントなど）
- 医療データの前処理パイプラインと拡張技術
- セグメンテーション、クラス不均衡（例：Dice、焦点損失）に適した損失関数とメトリクス
- 医用画像に予測を重ね合わせるための評価および可視化ユーティリティ
- 医療 AI タスクにおけるエンドツーエンドのワークフローを示す Jupyter ノートブック
- 再現性、慎重な検証、ドメインを考慮した設計を重視
カテゴリー
このアプリケーションは、https://sourceforge.net/projects/deep-learning-med-app.mirror/ からも入手できます。OnWorks でホストされているため、無料のオペレーティングシステムから最も簡単にオンラインで実行できます。
