V2EX = way to explore
V2EX 是一个关于分享和探索的地方
Sign Up Now
For Existing Member  Sign In
V2EX  ›  coolwulf  ›  全部回复第 17 页 / 共 20 页
回复总数  382
1 ... 9  10  11  12  13  14  15  16  17  18 ... 20  
❮ ❯
@xinh 帖子还在,但不让回复了,也好,让大家还是多看看 CCTV 吧 LoL
@zsj1029 那个项目早已结束
2022 年 8 月 2 日
回复了 coolwulf 创建的主题 › 问与答 › 明天会和大家在网上吹吹水
2022 年 8 月 1 日
回复了 coolwulf 创建的主题 › 问与答 › 明天会和大家在网上吹吹水
这个网络直播的目的主要是希望能够更多的普及一些医学物理的知识,让更多的学生对于这个领域有所了解。希望有更多的学生能立志在医学物理行业中发展。谢谢。
周二北京时间早 9am, 美东周一晚 9pm ,我邀请了北美的几位医学物理教授和我一起做一个医学物理的报告,尤其会针对国内的学生介绍一下医学物理师的职业路径,临床应用,工程应用等方面。我会公布一个 NeuralRad 的最新 Demo. 大家如果有空欢迎来听我吹水[微笑]

https://mp.weixin.qq.com/s/RQcxaZZ1aXUmLiCnGtzNog
@asdjgfr 桌面版本我考虑更新一下,之前的版本因为网站 API 修改需要重新修改源码。
网站上面当前的这个模型还有很多需要改进的地方。这个模型是我 2018 年初做的,当时的数据主要就是采用了 DDSM ,后来我还做了一个可以直接 predict BIRADS 分级的模型,不过感觉对于非 Radiologist 的普通用户意义不大没有放出来,这两年我看 TCIA 出来了很多新的数据集,而且这个模型也可以做很多改进,比如加入基于 Radiomics 的 False Positive Reduction, 但因为我这两年一直忙于 Brain Mets 这个项目,都没有去做了。​
@cdy Chest CT 模型服务还没有恢复
@xff1874 不需要注册,直接点击 screen mammography 就可以上传 mammo 图片(jpg 格式),模型会做 Inference
2022 年 4 月 6 日
回复了 coolwulf 创建的主题 › 分享创造 › 记得 4 年前我做的 AI 乳腺平台吗?这是我的新项目
@hunter0122 University of Michigan 或者 University of Wisconsin 的医学物理专业
@idlerlestat 这个程序使用的模型不是基于单个的股票,而是使用了相对的两个股指,比如 SPXL/SPXS 或者 JNUG/JDST, 采用 Oppositing tickers 来操作。理论上涨跌都可以挣到钱
@binux 就是普通的 short term gain 的税率
@levelworm 都是实盘数据
@Xs0ul 今天没有盈利
@aec4d 首先一年是 253 个 trade day. 1.005^253 = 3.5. 其次不可能每天都挣钱的,测试中的结果是需要保证的是赢的概率要大于输的概率,当前使用了 0.5% 作为 profit stop limit, -0.4% 作为 loss stop limit. 这样保证不会由于黑天鹅事件导致用户大的损失。我们测试的结果是 loss to win is about 1:4 to 1:5, 所以赢的概率大很多。
Updated with better Map / UI and local servers
@sjqlwy 并不是丢掉了所有三维信息,因为 X 光成像是基于 Attenuation 的, 即 I = I_0 x exp(-ut), I_0 是初始的 X ray fluence, u 是 attenuation coefficient, t 是 path length. 在投影 I 上面,重叠图像中保护了在后端被遮挡物体的 Feature 信息,这些 Contrast 和 contour 信息通过深度学习,能否通过 Feature extraction 来部分还原三维信息。
参考资料:

(1) EOS Imaging 公司网址: https://www.eos-imaging.com/
(2) EOS 的产品: https://www.eos-imaging.com/professionals/eos/eos
(3) 他们专利的方法论文: https://www.ncbi.nlm.nih.gov/pubmed/23177915
@murmur 你可以查看一下法国公司 EOS Imaging 的产品 Flex Dose, 他们使用的是基于 Atlas based registration method, 在脊椎上的单一骨节上寻找对应的 Landmark, 然后用它们作为重建三维骨节形状的依据在 Atlas 库里面使用对应骨节数据来重建。他们的这种做法可以算是一种在 Deep Learning 来到之前的人工学习。他们的产品在 2012 年就已经通过了 FDA, 并在很多家医院中使用。在儿科骨科尤其受到医生的欢迎,因为很多情况下,病人不合适使用 CT. 我们的 DL 的方法可以看成是更高阶的 Atlas feature extraction.
这个项目暂时不考虑开源。
1 ... 9  10  11  12  13  14  15  16  17  18 ... 20  
❮ ❯
About   ·   Help   ·   Advertise   ·   Blog   ·   API   ·   FAQ   ·   Privacy   ·   Solana   ·   4952 Online   Highest 6679   ·     Select Language
创意工作者们的社区
World is powered by solitude
VERSION: 3.9.8.5 · 23ms · UTC 02:18 · PVG 10:18 · LAX 18:18 · JFK 21:18
♥ Do have faith in what you're doing.