注册会员 | 设为首页 | 加入收藏夹
您好，欢迎光临本网站！[请登录] ！[注册会员]！  

搜索资源列表

  1. project-1-dachsund：由GitHub Classroom创建的project-1-dachsund-源码

  2. 基于微阵列的肿瘤分类项目1 微阵列技术使科学家能够快速而准确地一次分析成千上万个基因的表达，而其成本仅为现代测序协议的一小部分。 诸如Gene Expression Omnibus（GEO）之类的存储库和数据库是成千上万已发表和未发表的微阵列实验以及数百万个单独样本的所在地。 微阵列基因表达数据可用于多种研究任务，包括疾病诊断，药物发现和毒理学研究。 这项技术在疾病预测中的应用已经诞生了许多公司，例如Oncotype Dx结肠癌，乳腺癌和前列腺癌预测分析或Agendia的MammaPrint乳

  3. 所属分类：其它

  1. 人工智能保健-源码

  2. 人工智能保健 表中的内容 演示版 家 在职的 概述 AI-Healthcare是一个Web应用程序，用于预测器官（如心脏，肾脏，肝脏）和疟疾，肺炎等疾病的发病率。此项目是借助机器学习，深度学习模型和Flask框架进行的。 最低要求 硬盘：500GB 内存：4GB 作业系统：Windows / Linux 先决条件 的Python 3.7 水蟒 VS代码 工具框架 熊猫：用于数据分析。 numpy：执行许多数学运算。 scikit-learn：用于构建机器学习模型。 Tensorfl

  3. 所属分类：其它

    • 发布日期：2021-02-21
    • 文件大小：113mb
    • 提供者：weixin_42110070

  1. 乳腺癌分类：使用支持向量机的乳腺癌诊断分类-源码

  2. 乳腺癌分类 使用支持向量机的乳腺癌诊断分类 客观的： 知识库是一项学习练习，旨在： 从可用数据集中应用机器学习的基本概念 根据观察到的数据集评估和解释我的结果并证明我的解释是正确的 创建笔记本作为计算记录并记录我的思考过程。 分析分为多个部分，保存在该存储库的juypter笔记本中识别问题和数据源探索性数据分析预处理数据构建模型以预测乳房细胞组织是恶性还是良性 达到的精度-97％

  3. 所属分类：其它

    • 发布日期：2021-02-19
    • 文件大小：633kb
    • 提供者：weixin_42120997

  1. 癌症预测-源码

  2. 乳腺癌预测 知识库是一项学习练习，旨在： 将机器学习和深度学习的基本概念应用于可用数据集。 根据观察到的数据集评估和解释结果，并证明我的解释是正确的。创建用作计算记录的笔记本并记录我的思考过程。 分析分为四个部分，保存在此存储库的Juypter笔记本中。 识别问题和数据源探索性数据分析使用目标输出功能对数据构建模型进行预处理，以预测乳腺癌。 draft.ipynb Jupyter笔记本由2005-2017年的合并数据集组成，具有1048575个数据点，其输出特征的年龄。 BreastC

  3. 所属分类：其它

    • 发布日期：2021-02-18
    • 文件大小：760kb
    • 提供者：weixin_42134234

  1. MachineLearning-ERbreastCancer：带有梯度下降逻辑回归的ER乳腺癌预测-源码

  2. 使用梯度下降逻辑回归的ER乳腺癌预测 乔治娜·冈萨雷斯（Georgina Gonzalez） 拷贝数畸变，基因组区域的得失是癌症的标志。 拷贝数数据是高维数据，具有大量相关特征。 通常，像在这种情况下一样，样本数量比特征数量少。 在这项工作中，我首先使用阵列CGH的拓扑分析（TAaCGH）[1]降低了维度，从而检测出雌激素受体（ER +）过表达的患者的拷贝数显着异常。 接下来，确定每个患者的特定区域是否异常，从而创建一组二进制变量，这些变量将用作梯度下降逻辑回归模型的特征以预测ER +乳腺癌[

  3. 所属分类：其它

    • 发布日期：2021-02-16
    • 文件大小：245kb
    • 提供者：weixin_42166105

  1. Breast_Cancer_CADx：监督式机器学习算法可预测乳腺癌的诊断-源码

  2. 乳腺癌CADx 监督式机器学习算法可预测乳腺癌的诊断 乳腺癌是美国女性死于癌症的第二大主要原因。 早期发现与更好的预后密切相关。 乳房X线照相术是检测的第一线，但并不完美。 乳房X光检查的假阴性率为8-10％，由于某些异常情况不会影响女性的健康，因此很难确定癌症的严重程度或类型。 因此，进行活检以确认诊断。 细针穿刺是最简单，最常见的活检类型。 这项研究测试了各种监督的机器学习算法，以确定使用定量，连续的数据预测乳腺癌诊断最准确的算法。 威斯康星州乳腺癌数据集用于训练和测试三种机器学习模型

  3. 所属分类：其它

    • 发布日期：2021-02-14
    • 文件大小：558kb
    • 提供者：weixin_42116058

  1. SSL_CR_Histo：“用于注释高效组织病理学图像分析的自我监督驱动一致性培训”的正式代码-源码

  2. 自我监督的驱动一致性训练，用于注释有效的组织病理学图像分析 作者： ， ， 和 官方资料库。 概述 我们提出了一种用于组织病理学图像分析的自我监督驱动一致性范例，该范例基于以下两种策略学习利用与任务无关和特定于任务的未标记数据： 自我监督的借口任务，利用组织学全幻灯片图像（WSI）中潜在的多分辨率上下文线索来学习强大的监督信号，以进行无监督的表示学习。 一种新的师生半监督一致性范例，该模型可以根据与任务特定的未标记数据的预测一致性，学习将预训练的表示有效地转移到下游任务。 我们在两

  3. 所属分类：其它

  1. 使用数据科学技术的乳腺癌风险预测：使用数据科学技术的乳腺癌风险预测-源码

  2. 使用数据科学技术的乳腺癌风险预测 使用数据科学技术进行乳腺癌风险预测 这个项目是在我的指导下，由才华横溢的学生Arushi Kansal Rishika Bansal和Dona Varghese进行的 数据科学是一个跨学科领域，包括收集，分析和汇总结构化和非结构化数据以提供有用信息的过程。 它们涉及多个过程，例如数据采集，整理，分析，建模和可视化。 使用几种数据挖掘技术，我们可以从大型数据集中找到新的模式。 医疗数据连续不断地产生并存储在不同的数据库中。 在这项工作中，我们将专注于乳腺癌的风险预

  3. 所属分类：其它

    • 发布日期：2021-02-12
    • 文件大小：450kb
    • 提供者：weixin_42103128

  1. 乳腺癌预测：乳腺癌分析-源码

  2. 乳腺癌预测：乳腺癌分析

  3. 所属分类：其它

    • 发布日期：2021-02-05
    • 文件大小：752kb
    • 提供者：weixin_42117082

  1. Data-analysis-python-projects：这是我从头开始构建的基本项目，我使用Python进行编程-源码

  2. 数据分析明星项目投资组合 这是我从头开始构建的基本项目，我使用Python进行编程。 虹膜数据集分析-机器学习项目 在这个项目中，我处理了150个数据样本的虹膜数据集，并且通过使用6种不同的算法，我试图通过预测模型找到最合适的算法，后来我在测试数据集上使用了构建的模型来查看正确性的预测，因此具有萼片长度，花瓣宽度等4个特征，我们可以预测花朵的类别。 朴素贝叶斯数据分析 在这个项目中，我将朴素贝叶斯算法应用于天气数据集（糖尿病预测数据集和乳腺癌检测数据集），该数据集预测是否应该玩游戏。 语音

  3. 所属分类：其它

    • 发布日期：2021-02-05
    • 文件大小：18mb
    • 提供者：weixin_42157166