To aplikacja dla systemu Windows o nazwie Deep Learning for Medical Applications, której najnowszą wersję można pobrać jako Deep-Learning-for-Medical-Applicationssourcecode.tar.gz. Można ją uruchomić online w bezpłatnym hostingu OnWorks dla stacji roboczych.
Pobierz i uruchom bezpłatnie aplikację Deep Learning for Medical Applications with OnWorks w trybie online.
Postępuj zgodnie z tymi instrukcjami, aby uruchomić tę aplikację:
- 1. Pobrałem tę aplikację na swój komputer.
- 2. Wpisz w naszym menedżerze plików https://www.onworks.net/myfiles.php?username=XXXXX z wybraną nazwą użytkownika.
- 3. Prześlij tę aplikację w takim menedżerze plików.
- 4. Uruchom dowolny emulator online systemu operacyjnego OnWorks z tej witryny, ale lepszy emulator online systemu Windows.
- 5. W systemie operacyjnym OnWorks Windows, który właśnie uruchomiłeś, przejdź do naszego menedżera plików https://www.onworks.net/myfiles.php?username=XXXXX z wybraną nazwą użytkownika.
- 6. Pobierz aplikację i zainstaluj ją.
- 7. Pobierz Wine z repozytoriów oprogramowania dystrybucji Linuksa. Po zainstalowaniu możesz dwukrotnie kliknąć aplikację, aby uruchomić ją za pomocą Wine. Możesz także wypróbować PlayOnLinux, fantazyjny interfejs w Wine, który pomoże Ci zainstalować popularne programy i gry Windows.
Wine to sposób na uruchamianie oprogramowania Windows w systemie Linux, ale bez systemu Windows. Wine to warstwa kompatybilności z systemem Windows typu open source, która może uruchamiać programy systemu Windows bezpośrednio na dowolnym pulpicie systemu Linux. Zasadniczo Wine próbuje ponownie zaimplementować system Windows od podstaw, aby mógł uruchamiać wszystkie te aplikacje Windows bez faktycznego korzystania z systemu Windows.
ZRZUTY EKRANU
Ad
Głębokie uczenie się w zastosowaniach medycznych
OPIS
Deep-Learning-for-Medical-Applications to repozytorium, które gromadzi metody głębokiego uczenia, implementacje kodu i przykłady zastosowania w obrazowaniu medycznym i danych opieki zdrowotnej. Projekt rozwiązuje problemy specyficzne dla danej dziedziny, takie jak segmentacja, klasyfikacja, detekcja i dane multimodalne (np. MRI, TK, RTG), wykorzystując najnowocześniejsze architektury (np. U-Net, ResNet, warianty GAN) dostosowane do ograniczeń medycznych (małe zbiory danych, koszty adnotacji, nierównowaga klas). Obejmuje on notatniki Jupyter, architektury modeli, potoki wstępnego przetwarzania danych oraz skrypty ewaluacyjne specyficzne dla zadań obrazowania medycznego. Repozytorium może również zawierać moduły specyficzne dla danej dziedziny: funkcje strat, takie jak Dice, strata ogniskowa, metryki, takie jak czułość/przypomnienie/IoU, oraz narzędzia wizualizacyjne do nakładania masek segmentacji.
Funkcjonalności
- Architektury modeli (np. U-Net, ResNet, warianty GAN) wyspecjalizowane w obrazowaniu medycznym
- Procesy wstępnego przetwarzania i techniki rozszerzania danych medycznych
- Funkcje strat i metryki dostosowane do segmentacji, nierównowagi klas, np. Dice, strata ogniskowa
- Narzędzia do oceny i wizualizacji umożliwiające nakładanie prognoz na obrazy medyczne
- Notatniki Jupyter pokazujące kompleksowe przepływy pracy w zadaniach związanych ze sztuczną inteligencją medyczną
- Nacisk na powtarzalność, staranną walidację i projektowanie uwzględniające daną dziedzinę
Kategorie
Aplikację tę można również pobrać ze strony https://sourceforge.net/projects/deep-learning-med-app.mirror/. Została ona umieszczona w OnWorks, aby można ją było uruchomić online w najłatwiejszy sposób z jednego z naszych darmowych systemów operacyjnych.
