通过心电云平台,可以从任何地方采集和提交数据后,传输给最有经验的医疗人员,从而诊断反馈。
采用智能诊断算法,帮助医生进行初步诊断,让医生从大量重复性的劳动中解放出来,实现心电图初步筛查。
该系统使用前后端分离的架构,后台采用微服务架构,对外提供第三方的 RESEful API 数据访问接口。
使用了 Spring Boot实现了一个交互体验良好、数据存储安全、性能高效的云端诊断平台。
在线访问
基于软件即服务的思想开发完成,
前端采用WebGL技术实现了一套能够以3D方式展示代谢网络的功能界面;
后台选择广泛应用于当今互联网网站的Linux和Apache组合, 以及用Python语言实现的开源框架Django。
在线访问
该平台基于Tornado框架实现,内置了自研的骨髓细胞定位分割方法和骨髓细胞分类模型,
可以实时对用户上传的骨髓细胞图像中的单个细胞进行精准的定位分割,并对结果进行可视化展示。
该平台具有上传图像、定位细胞、识别细胞、计数可视化等功能,为医生提供了一个简单、可用、方便的自动化平台。
在线访问
该平台采用微服务架构,后端主要采用Flask框架,搭配心脏骤停风险预测神经网络模型,提供风险预测服务。
前端界面基于Vue.js和EChart.js实现心电图的友好展示,并提供常用的HRV分析指标,便于医生对心电图片段进行标记。
在线访问
本系统采用C/S架构旨在解决从不同实验室或医院获取到的病理切片之间有较大差异的问题。
通过提供不同的染色归一化方法来为用户进行染色归一化使得用户可以通过本平台获取颜色风格统一的组织病理切片图像,
确保图像后续可以应用于更为复杂的模型训练中。
在线访问
本系统是一款基于人工智能技术的医疗辅助工具,旨在提高医生对超声图像的诊断效率和准确性。
本系统的后端主要基于Spring Boot框架实现,包括数据存储、业务逻辑和API接口等。模型部分采用了Flask框架实现,包括超声图像分析算法和诊断模型等。
系统还采用了前后端分离的架构,使用Vue.js框架实现前端界面和交互逻辑,通过RESTful API进行数据交互。
RFCRetro,一个轻量级和用户友好的平台。
该平台能够使用融合剪枝策略和启发式搜索的蒙特卡洛树搜索算法规划新式生物合成路径。
在使用过程中,您可以自定义目标分子(SMILES)、算法迭代次数、拓展维度和底盘菌株。使用前请登录。
在线访问
本系统提出基于傅里叶变换的病理显微图像去模糊网络PMDNet。
在与病理图像去模糊经典模型SRNNet及MGCNFNet的对比实验中,无论是基于像素级别的定量评价指标PSNR,还是更接近人眼感知的评价指标SSIM,PMDNet均取得了最高分。
本病理显微图像去模糊方法与系统实现,能够有效地恢复多种模糊类型图像的细节,为计算机视觉研究人员或相关医务工作者提供更加清晰的病理图片。
软件下载