Antkillerfarm Hacking V8.5

resource » AI医疗

2019-06-26 :: 5161 Words

AI医疗

https://github.com/albarqouni/Deep-Learning-for-Medical-Applications

基于深度学习的医疗影像论文汇总

https://mp.weixin.qq.com/s/vtJUM94oYpN_h3Sdg3exLQ

张益肇:AI+医疗,微软有哪些布局?

https://mp.weixin.qq.com/s/mkYVhiwQJwcXxUdBVUvU8w

体素科技丁晓伟:医疗影像的哲学三问

https://mp.weixin.qq.com/s/aGc8Y8I_Xt0837H0MUVL-g

CMU副教授马坚:精准基因组数据和智能医疗最新进展

https://mp.weixin.qq.com/s/1E9gunSpgYt5xl9Q_uQNJg

使用深度学习进行医疗影像分析:文件格式篇

https://mp.weixin.qq.com/s/uy3MNxyT5nQIVsfWkXnL5Q

结合生成式与判别式方法,Petuum新研究助力医疗诊断

https://mp.weixin.qq.com/s/1A6p672z4Yz__MF6TWORSw

备战医疗大赛必看!

https://mp.weixin.qq.com/s/DuFvVmcyazyUYxyoekh38w

邓侃解读:深度学习病历分析前沿进展

https://mp.weixin.qq.com/s/QB5d6HwAcT7DiVQbmoD8qg

AI研发新药真有那么神?可能哈佛、斯坦福和阿斯利康实验室都在吹牛

医药方面的AI应用,也是AI的一个潜在的应用领域。这篇文章敢把各个大学鄙视一番,还是有些干货的。

https://mp.weixin.qq.com/s/ZMw12BJuexG0xM8OwWUc4w

谷歌《Cell》论文:使用深度学习,直接对细胞影像生成荧光标记

https://mp.weixin.qq.com/s/OkZdmBvSeMEsZbJyoZQvBQ

深度学习+基因组学:破译人类30亿碱基对

https://mp.weixin.qq.com/s/RBBdPLvSYy5Ss4mOU-in4Q

用深度学习方法修复医学图像数据集

https://mp.weixin.qq.com/s/aSCTrmfYEE7Dc1uPkg0fZg

百度提出NCRF:深度学习癌症图像检测效率再提升

https://mp.weixin.qq.com/s/fqHTGcmTZ91lXbhcrUQNcg

弱监督学习在医学影像中的探索

https://mp.weixin.qq.com/s/aRipNkT2BSc5NefB9k4rEA

Nature Medicine论文展示DeepMind眼疾诊断里程碑:临床专家级、“解决“黑箱问题

https://mp.weixin.qq.com/s/NyRiLMDDADoOsa1Os9xcMw

Neuromation新研究:利用卷积神经网络进行儿童骨龄评估

https://mp.weixin.qq.com/s/0IAdT2cP_OIGwwXmMaCFfw

如何利用深度学习诊断心脏病?

https://mp.weixin.qq.com/s/YgH6iiKPZ-FCflikAqAakw

点内科技、华东医院及上海交大合著论文:3D深度学习在CT影像预测早期肿瘤浸润方面超过影像专家

https://mp.weixin.qq.com/s/q8iljb3GPgmdJUeF9kMvlA

AI进军新药发现研究?这99页slides了解一下

https://mp.weixin.qq.com/s?__biz=MzU2OTA0NzE2NA==&mid=2247500351&idx=1&sn=f7280dd8e62a535cd3b8e82fd20e2eda

128页多媒体计算在医学领域的重要性教程

https://mp.weixin.qq.com/s/MSjtlwC2L3yAmQc_VBBPiQ

同济大学综述论文:基于深度生成模型的药物研发

https://mp.weixin.qq.com/s/bHaXO2G-3B_KnyVGc-2hEg

新开源计算机视觉技术用于新生儿胎龄估计

https://mp.weixin.qq.com/s/H5bnFRSxmwHSdNBPdbsh3w

Petuum新研究助力临床决策:使用深度学习预测出院用药

https://mp.weixin.qq.com/s/z-_CxTQup-g6cAvVDwS-kQ

谷歌开源DeepVariant,之前的经典检测基因变异法将被颠覆

https://mp.weixin.qq.com/s/ojlhC7vGB1r6scKipm0BjA

小样本如何进行深度学习?西北工夏勇教授这一份54页《医学影像小数据深度学习》PPT为你讲解

https://mp.weixin.qq.com/s/ggZZpBPap398yQ1asHD7aQ

深度重建:基于深度学习的图像重建

https://mp.weixin.qq.com/s/uIMJybw4fSxeCPeBTGTA-g

借鉴传染病学原理探索医学图像CNN可解释性

https://mp.weixin.qq.com/s/oNcGYuGwkllINZhvrL6uvQ

体素科技:2018年,算法驱动下的医学影像分析进展

https://mp.weixin.qq.com/s/c1j60gOWh99z-BXWs9qAwQ

Jeff Dean等发文《Nature Medicine》,综述深度学习在医疗领域的应用

https://mp.weixin.qq.com/s/bwcEzq8v72dgak6IUunagw

医学图像分析最新综述:走向深度

https://mp.weixin.qq.com/s/hZp6W4nVuUxe_91nhDi6lw

使用Nucleus与TensorFlow进行DNA测序纠错

https://mp.weixin.qq.com/s/T5ef2rELB3z3vHbVmqgkaw

基于深度学习的生物信息学应用及展望

https://mp.weixin.qq.com/s/kIuUe0Rzcpdm7Sowpe7Tjw

医疗机器学习综述,谷歌Jeff Dean等最新论文

https://mp.weixin.qq.com/s/H-Bm2u6Ld-9QfdHbZDZ4cw

关于GANs在医学图像领域应用的总结

https://mp.weixin.qq.com/s/qhqnAoWa81cdeTY5ywZnnw

医学图像处理与深度学习入门

https://mp.weixin.qq.com/s/Sb0KOr5RVallKevlX0m-SA

医学图像分割(一)——脑区域分割

https://mp.weixin.qq.com/s/b8Cvy5X9jP11biRGm005ow

医学图像分割(二)——心脏分割

https://mp.weixin.qq.com/s/45JOopEwHoNtzF57SxZM1A

医学图像分割(三)——肿瘤分割

https://mp.weixin.qq.com/s/L1c30sTN1CSth_KdORzpVw

用于医学图像分割的主动轮廓线学习模型

https://mp.weixin.qq.com/s/Uh0EI-pTaXK46Zb08_cs0g

智能医疗综述,48页论文详述医学AI最新进展

https://mp.weixin.qq.com/s/9dcq4rTcSvo5kQJ3GjwdTg

医学图像分割专栏之前列腺分割

https://mp.weixin.qq.com/s/UHlY_-mYBLT383TP6Y7Oew

生物数据挖掘中的深度学习综述论文,36页pdf

https://mp.weixin.qq.com/s/w_5-3ViQyBpRVyVe0sHFLw

深度学习生命科学:基因组学、药物发现,238页pdf

https://mp.weixin.qq.com/s/5MbMdMhMvPLCEu32r5l59Q

MedMNIST:上海交大发布医学影像领域的MNIST

https://mp.weixin.qq.com/s/clPpAveascHt7xwPr83HvA

Pair,医学图像标注神器

数据结构 & 普通CS算法+

https://mp.weixin.qq.com/s/8gDVqlywLBl-MZa6XrtXug

为什么磁盘存储引擎用b+树来作为索引结构?

https://mp.weixin.qq.com/s/M5syxE9Ln4UDLThPh5iuJg

各种字符串Hash函数比较

https://blog.csdn.net/wo541075754/article/details/54632929

Merkle Tree(默克尔树)算法解析(Merkle Tree,通常也被称作Hash Tree,顾名思义,就是存储hash值的一棵树。)

https://mp.weixin.qq.com/s/M8U9B7UA2AdfnJi5EpTv-g

算法面试中经常问的“字符串”问题

https://mp.weixin.qq.com/s/QHounf4el7nmXnpMSJHjvg

这个问题不简单:寻找缺失元素

https://blog.csdn.net/changtao381/article/details/8936765

Splay Tree(一种二叉排序树)

https://mp.weixin.qq.com/s/p4tddWB4kjFufkv3x2SYpw

图解6种树,你心中有数吗

https://mp.weixin.qq.com/s/fAYjIcFlHoXK2E38JJSFpA

C++优先队列priority_queue

https://mp.weixin.qq.com/s/KZq5SjPESQnQaNU1Mn5a-A

一文把三个经典求和问题吃的透透滴

https://www.zhihu.com/question/20298134

即时战略游戏中实用的寻路算法都有哪些,比较如何?

http://blog.codinglabs.org/articles/algorithms-for-cardinality-estimation-part-i.html

解读Cardinality Estimation算法

https://mp.weixin.qq.com/s/zQJve_w5OoM6u-WcSWArdQ

神速Hash

https://www.codeproject.com/Articles/69941/Best-Square-Root-Method-Algorithm-Function-Precisi

Best Square Root Method

https://zhuanlan.zhihu.com/p/332996578

陈丹琦分治算法

https://utopia1991.github.io/2019/01/14/fisher/

Fisher–Yates shuffle洗牌算法

https://zhuanlan.zhihu.com/p/717126119

一个让人惊艳的算法——CORDIC算法介绍

https://www.zhihu.com/question/59592797

计算机语言中是如何处理sin函数的?

https://www.zhihu.com/question/52968810

有哪些复杂度为O(1)的神奇算法?

电子科技史+

当年NTS-2卫星发射时(1977年6月23日),它搭载着第一台被送入轨道的铯原子钟,当时人们其实还不是非常确定是否真的需要相对论效应。于是卫星时钟系统中内置了一个频率合成器,以便在发射后,如果原子钟在其最终轨道上的速率确实符合广义相对论的预测,那么就可以启动合成器,使原子钟达到运行所需的速率。NTS-2上的铯钟启动后,在启动合成器之前,它运行了大约20天,以测量其时钟速率,结果完全符合GR的预测,于是频率修正启动!

https://www.zhihu.com/answer/1913569281196663455

GPS的相对论修正


当年的磁芯内存,断电之后数据根本不会丢。

在1965年的机房里,你写了一段程序跑在内存里,这时候保洁大妈一不小心把大型机的电源插头给踢掉了,机器瞬间黑屏。你把插头重新插回去,通上电,刚才算到一半的数据还在磁芯内存里老老实实呆着呢,机器接着刚才的进度继续往下算。

那个年代的内存,既是内部存储器,又是永久存储器。根本不存在什么临时存储的概念。

Fork me on GitHub