文件名称：DeepKnee:纸张代码
文件大小：2.33MB
文件格式：ZIP
更新时间：2024-05-23 08:06:57
deep-learning pytorch medical radiology biomedical-engineering
关于 该分支机构中的软件实现了自动管道，可根据普通X射线照片评估骨关节炎的严重程度。 可以通过REST over HTTP或DICOM协议来利用它。 此外，我们构建了易于使用的Web UI。 机器学习的核心管道由两篇文章提供支持： Tiulpin，Aleksei，Iaroslav Melekhov和Simo Saarakkala。 “ KNEEL：使用沙漏网络进行的膝盖解剖地标定位。” IEEE计算机视觉研讨会国际会议论文集。 2019。 Tiulpin，Aleksei等。 “从平片上自动诊断膝关节骨关节炎：一种基于深度学习的方法。” 科学报告8.1（2018）：1727。 作者 整个程序包由Aleksei Tiulpin（@lext）构建。 Egor Panfilov（@soupault）已构建了DeepKnee v1的大部分内容： ： （已存档）。 当前版本的DeepKnee
【文件预览】：
DeepKnee-pypackage
----.gitignore(1KB)
----analyze_folder.py(3KB)
----run_kneel.sh(337B)
----README.md(5KB)
----run_deepknee_backend.sh(277B)
----deepknee-frontend()
--------.gitignore(317B)
--------README.md(96B)
--------public()
--------.dockerignore(20B)
--------package.json(863B)
--------src()
--------package-lock.json(743KB)
----ouludeepknee()
--------train()
--------inference()
--------__init__.py(0B)
--------data()
----fetch_snapshots.sh(156B)
----pics()
--------deepknee-architecture.png(308KB)
--------77_2_R_2_0_0_0_0_1_own.jpg(603KB)
--------deepkneeui.png(209KB)
--------15_2_R_1_1_1_3_1_0_own.jpg(506KB)
--------235_2_R_3_3_0_0_1_1_own.jpg(668KB)
----INSTALLATION.md(2KB)
----.dockerignore(166B)
----run_deepknee_backend_broker.sh(215B)
----.gitattributes(42B)
----pacs-integration()
--------change_polling.py(7KB)
--------orthanc.json(21KB)
----deepknee-backend-broker()
--------server.js(3KB)
--------.dockerignore(26B)
--------package.json(548B)
--------package-lock.json(55KB)
----docker()
--------docker-compose-cpu.yml(3KB)
--------docker-compose-gpu.yml(3KB)
--------Dockerfile.gpu(277B)
--------BrokerDockerfile(82B)
--------Dockerfile.cpu(277B)
--------UIDockerfile(257B)
----rebuild_docker_images.sh(628B)
----MANIFEST.in(198B)
----setup.py(308B)
----deploy.sh(524B)
----run_deepknee_ui.sh(66B)