BioXTAS RAW是用于分析小角度X射线散射（SAXS）数据的程序。 该软件能够：从2D检测器图像创建1D散射轮廓，标准数据操作（例如求平均值和减法），分析回转半径（Rg）和分子量，使用GNOM和DAMMIF进行高级分析以及使用DENSS进行电子密度重建。 它还可以使用演化因子分析（EFA）或正则化交替最小二乘（REGALS）方法轻松处理内联SEC-SAXS数据和数据反卷积。 要安装：请访问以下网址提供的说明：http://bioxtas-raw.readthedocs.io/en/latest/install.html并在“文件”选项卡中。 用户指南：RAW指南可在以下位置获得：http://bioxtas-raw.readthedocs.io/以及“文件”选项卡中。 要与我们联系，请参阅：https://bioxtas-raw.readthedocs.io/en/latest/help.html
2021-11-01 09:50:59
403.76MB
1
matlab反投影代码dnn_xray
该代码包是用于X射线CT的神经网络的一种新颖应用。
在X射线CT中，目标是从传输数据中找到图像空间中的线性衰减系数。
解决此问题的常用方法是：
单发算法：考虑到源-探测器的几何结构是“定义明确的”，并且忽略了数据的随机性和噪声成分，我们可以通过诸如滤波反投影（FBP）之类的单发算法来找到图像系数。
迭代算法：我们假设一个模型（泊松或加权高斯模型）并迭代解决问题。
在这两种方法中，定义和使用图像和数据空间之间的连接的系统矩阵H是已知的。
在我们的方法中，我们正在寻找答案的问题是：
假设对于给定的固定几何体，我们有大量的图像数据对，那么我们是否可以学习数据与图像空间之间的高度非线性逆关系？
如果我们了解到这一点，那么在速度/图像质量方面，我们是否能比最先进的方法做得更好？
因此，我们首先使用MATLAB的radon变换生成了模拟数据，并假设控制比尔定律的真像的前向投影估计遵循Poisson分布，并以此方式生成了数据。
在生成数据集并将其分割后，在不提供任何有关系统的信息的情况下，我们训练了神经网络，其中图像作为输出，数据作为输入。
对于这种模拟情况，
2021-10-27 22:30:04
5KB
1
dicom-dr x-ray x射线dicom dcm文件。原始图片文件，此文件对应的是胸片的x原文件。可以根据需要转化成png，jpg等图片文件。
2021-10-12 21:34:47
6.95MB
1
二、产生反投影数据
点击“仿真投影数据产生”菜单项，调用PhotoStarView类中的OnProjection() 响应函数
调用CCTEmulate类中的成员函数Projection（）完成投影数据采集
具体算法：分别对模型中每一个椭圆投影得到数据，然后将数据相加，便得到整个模型的投影数据
画图演示采集过程
演示过程分为了两步。首先是缩小S-L模型，程序通过隔点采样的方式来缩小图像。然后每隔十度画一组投影线。
2021-10-04 13:58:11
1.19MB
1
牙齿检测仪
数据集目前是私有的，但是是由一位外科医生使用VoTT进行标记制作的。 导出是使用Tensorflow Pascal VOC格式进行的
该项目分为两个任务：
检测牙齿修复，牙髓治疗和植入物（模型/治疗）
检测牙齿并确定其ISO牙科标记（型号/索引）
安装
从Google云端硬盘下载数据集（目前数据集是私有的）
安装tensorflow对象检测： :
安装Cloud SDK以在Google Cloud 上运行
pip install -r requirements.txt
# Tensorflow Object Detection API
git clone git@github.com:tensorflow/models.git
git clone https://github.com/cocodataset/cocoapi.git
cd cocoapi/Python
2021-09-29 19:48:54
11.49MB
1
电晕-COVID19病毒影响健康个体的呼吸系统，胸部X射线是识别电晕病毒的重要成像方法之一。使用Chest X-Ray数据集，开发一个机器学习模型以对健康与肺炎（Corona）受影响的患者的X射线进行分类，并且该模型为AI应用程序提供了动力，使其可以更快地测试Corona病毒。
Chest_xray_Corona_dataset_Summary.csv
Chest_xray_Corona_Metadata.csv
Coronahack-Chest-XRay-Dataset_datasets.txt
Coronahack-Chest-XRay-Dataset_datasets.zip
2021-09-24 12:48:13
1.19GB
1
X-ray Photon-Counting Data Correction through Deep
Learning 基于深度学习的X射线光子计数数据校准
2021-09-10 14:08:45
8.3MB
1
SIXray：用于重叠图像中禁止物品发现的大规模安全检查X射线基准
要求
推荐使用： conda env create -f environment.yml
Python3.5
火炬：0.3.1
软件包：torch，numpy，tqdm
用法
克隆CHR存储库：
git clone https://github.com/MeioJane/CHR.git
运行培训演示：
cd CHR/
bash CHR/runme.sh
检查站
如果您只想测试图像，则可以在此处下载。
引文
如果您在研究中使用该代码，请引用：
@INPROCEEDINGS { Miao2019SIXray ,
2021-09-10 10:49:34
207KB
1