文件名称：Bone-Fracture-Detection:X射线图像中的骨骨折检测
文件大小：4.54MB
文件格式：ZIP
更新时间：2024-04-29 04:54:15
JupyterNotebook
骨骨折检测 :worried_face: X射线图像中用于骨折检测的数据扩充和预处理 :person_raising_hand: 1. radius骨远端骨折 :crying_face: 1.1引言 :grinning_face_with_big_eyes: 这部分是关于使用更快的RCNN来检测远侧X射线图像中的远端识别并定位远端radius骨骨折。 （38张图像-分辨率高达1600×1600像素用于训练）。 结果（ACC = 0.96和mAP = 0.866）比医生和放射线医师（仅0.7 ACC）获得的检测结果准确得多。 一些挑战： :grinning_face_with_big_eyes: 在许多情况下，裂缝的尺寸很小且难以检测。 骨折有各种各样的不同形状 Faster R-CNN的优势在于它可以处理高分辨率图像。 同样，可以在检测少量图像的对象时以较高的精度训练Faster R-CNN。 两个明确的任务： 分类远端radius骨是否骨折。 找到骨折的位置。 1.2更快的RCNN 更快的RCNN包含3个部分： 用于分类和生成特征图的卷积深度神经网络。 区域提案
【文件预览】：
Bone-Fracture-Detection-main
----.gitignore(2KB)
----README.md(7KB)
----imgrm()
--------img.png(148KB)
--------preprocessing.png(44KB)
--------process.png(132KB)
----src()
--------mura()
--------first_try()
----.idea()
--------.gitignore(47B)
--------vcs.xml(180B)
--------misc.xml(185B)
--------modules.xml(298B)
--------Bone-Fracture-Detection.iml(284B)
--------inspectionProfiles()