首页
学习
活动
专区
工具
TVP
发布
精选内容/技术社群/优惠产品,尽在小程序
立即前往
  • 您找到你想要的搜索结果了吗?
    是的
    没有找到

    医学影像公开数据集

    医学影像数据是非常珍贵的资源,收集和标注要耗费很大的人力和财力。今天这篇文章我将分享目前为止做过的医学影像诊断的一些公开数据集。...1、数字视网膜图像的血管提取(DRIVE)数据库 DRIVE数据库用于研究视网膜图像中的血管分割,由40组图像组成。...下载地址:http://www.isi.uu.nl/Research/Databases/DRIVE/download.php 2、肺图像数据库联盟(LIDC) 肺图像数据库联盟(LIDC)是支持一个机构联盟制定螺旋...CT肺部影像资源的共识指南,并建立螺旋CT肺部影像数据库。...下载地址:https://luna16.grand-challenge.org/download/ 3、右心室分割数据库(RVDS) 测量心脏功能第一步就依赖于心脏图像的心室分割。

    2.7K40

    医学影像分析常用R包

    医学影像是由磁共振成像(MRI),计算机断层扫描(CT)和正电子发射断层扫描(PET)等系统产生的。它们通常是三维的,有时还具有随时间或方向而变化的维度。除此之外还包含其他很多信息。...此任务视图中的R包旨在读取和写出这些文件、可视化医学影像并以各种方式处理它们。其中一些R包也适用于常规图像处理,一些通用图像处理R包也可以用于处理医学影像数据。...ANALYZE和NIfTI 尽管医学影像数据的行业标准是DICOM,但在影像分析社区中已经大量使用了另一种格式。...一般图像处理 adimpro是用于2D数字(颜色和B/W)图像的R包,实际上不是针对医学影像的,而是用于一般图像处理。

    54140

    综述:当医学影像遇上深度学习

    作者 | 李翔 来源 | 视说AI(ID:techtalkai) 在传统医疗领域,医院内每日的医学影像数据量巨大,影像科医生做着大量重复性和机械性的工作。...近年来,随着深度学习的发展,医学影像逐渐成为人工智能最有潜力的落地领域之一。...在这里我们将对医学影像遇上深度学习后的当前行业应用进行介绍和分析,希望能够帮助对人工智能在医学影像上的研究和应用感兴趣的同学们更好地了解行业的现状和发展方向。 ?...其他AI产品 对于其他的在医学影像上的应用,还有许多方向需要探讨。比如,糖网智能筛查已经取得了一定的进展,并且在国内外医院都进行了临床测试和应用。...当医学影像遇上深度学习,人工智能医学影像辅助诊断系统能够更有效地提高医生诊断的效率和准确率。 (*本文为AI科技大本营转载文章,转载请联系原作者)

    1.1K11

    综述:当医学影像遇上深度学习

    作者 | 李翔 来源 | 视说AI(ID:techtalkai) 在传统医疗领域,医院内每日的医学影像数据量巨大,影像科医生做着大量重复性和机械性的工作。...近年来,随着深度学习的发展,医学影像逐渐成为人工智能最有潜力的落地领域之一。...在这里我们将对医学影像遇上深度学习后的当前行业应用进行介绍和分析,希望能够帮助对人工智能在医学影像上的研究和应用感兴趣的同学们更好地了解行业的现状和发展方向。 ?...其他AI产品 对于其他的在医学影像上的应用,还有许多方向需要探讨。比如,糖网智能筛查已经取得了一定的进展,并且在国内外医院都进行了临床测试和应用。...当医学影像遇上深度学习,人工智能医学影像辅助诊断系统能够更有效地提高医生诊断的效率和准确率。 (*本文为AI科技大本营转载文章,转载请联系原作者)

    1.2K00

    沈定刚教授:深度学习在医学影像分析中的应用丨2018医学影像AI经典演讲回顾(二)

    作为国内最早一批密集报道医学影像AI产学融合与医工交叉的媒体。...沈教授在1999年就前往美国约翰霍普金斯大学医学院放射科从事医学图像分析方面的工作,是世界上最早开展医学影像人工智能研究的几位科学家之一,并最先将深度学习应用于医学影像,从事医学影像分析、计算机视觉与模式识别等领域的研究近...上午嘉宾们讲了很多深度学习方面的工作,其实我们在2012年就率先把深度学习方法应用到医学影像分析中。从那以后,深度学习在医学影像中的应用越来越多。...这也是为什么我一直强调做医学影像一定要和临床结合起来。我认为,现在学术界和工业界的医学影像AI研究和开发是没有多大区别的,是相辅相成的。...怎么样从事医学影像研究?医学影像的门槛非常高,不能自己一个人去干,必须要有一个非常有经验的人带领。此外,医学影像要用医生的话来说医生的事情,也就是能和医生进行专业对话。

    1.3K30

    为什么医学影像AI已进入「后深度学习时代」?

    AI产品往往只是集中在少数几个病种,难以覆盖全部医学影像问题。 其次,行业现在普遍缺乏标准化高质量的训练数据,国内外虽然有很多公开的数据库,但是存在同质化和人种差异等问题。...此外,在肺结节领域,中检院肺结节AI检验数据库标定专家组已经完成肺结节标准数据集建设。 这些均为标准的建设,做好了铺垫。...在数据上,医生可以建立大样本的单病种数据库,提高训练数据质量,并在此基础上规范化标注,形成高质量训练集,还要学会在法律法规下分享和使用数据。 医生还应当成为质量控制和标准的制定者和执行者。...如制定图像采集和图像质量的标准,制定数据库建设的构成比例、病种分布、病灶类型等专家共识,并形成各单病种影像征象和描写属于以及单病种AI模型数据标记专家共识。...医学影像AI的未来 无论是AI理论创新,或是非理论层的行业标准建立,其均是医学影像AI成功的必备条件。

    68220
    领券