在ClinicalTrials.gov上进行数据挖掘40,000多项肿瘤学研究
是政府资助的注册机构，注册了超过200,000种药物和医疗设备的临床试验。 从2007年开始，法律要求几乎所有在美国拥有至少一个开放站点的重大研究都必须在该站点上注册。 此存储库包含2016年8月下载的40,000项肿瘤学试验的探索性数据分析。
2021-12-28 15:24:46
11.31MB
1
癌症基因组的系统测序显示出普遍的异质性，患者具有多种遗传改变的组合模式。 特别是，一组基因表现出互斥模式的现象已在各种癌症中广泛传播，涵盖了广泛的关键癌症途径。 最近，有大量证据表明，互斥性反映了肿瘤发生和发展中的替代功能，或暗示了它们并发的不利影响。 鉴于其重要性，已提出了许多计算方法来单独使用基因组图谱或通过整合网络和表型来研究相互排他性。 其中一些已被常规用于探索遗传关联，从而使人们对致癌机理有了更深入的了解，并揭示了意料之外的肿瘤脆弱性。 在这里，我们从癌症基因组的角度介绍了互斥性。 我们描述了互斥性的共同假设，总结了重要互斥模式的识别策略，从模拟数据集中比较了代表性算法的性能，并讨论了它们的共同混杂因素
2021-12-25 15:50:31
768KB
1
深脑节
此回购利用2-D和3-D全卷积神经网络（CNN）的集成，从多模态磁共振图像（MRI）分割脑肿瘤及其成分。 分段网络中使用的密集连接模式可以有效地重用较少数量的网络参数来使用功能。 在BraTS验证数据上，分割网络获得的完整肿瘤，肿瘤核心和活动肿瘤骰子分别为0.89、0.76、0.76。
特征
脑肿瘤分割
脑面罩生成SkullStripping（当前使用HD-BET和ANTs）
放射性特征
核心地位
dcm和nifty支持（将dcm转换为nifty并起作用）
基于UI的推理框架
微调
强化
逐渐解冻
自定义netwrok培训框架
全脑分割
安装
基于PyPi的安装：
所需的Python版本：3.5
安装： pip install DeepBrainSeg
或者
git clone https://github.com/koriavinash1/DeepB
2021-12-25 11:08:38
290MB
1
matlab图像分割肿瘤代码DeepBTSeg
DeepBTSeg提供了远程先进的深度学习模型的用户友好图形用户界面（GUI），使用户可以进行深度学习脑肿瘤图像分割，而无需在用户本地计算机上进行繁琐的软件和硬件需求。
该存储库是DeepBTSeg的客户端Matlab代码。
我们还提供DeepBTSeg的可执行版本。
DeepBTSeg是在Matlab
2020b下开发的，并且可以在Matlab
2019b和Matlab
2020a下执行。
建议在Matlab
2020b下运行DeepBTSeg
Matlab代码。
用法
内容
下载
有两种方法可以在本地PC上下载DeepBTSeg：
下载DeepBTSeg存储库.zip文件，然后将其解压缩到本地PC。
如果操作系统是Linux或MacOS，请打开终端，然后键入
$
cd
YOUR_PREFERRED_INSTALLATION_PATH
$
git
clone
https://github.com/IQMLatUAB/DeepBTSeg.git
下载完成后，打开MATLAB，将MATLAB当前文件夹更改为您下载此存储库的路径。
DeepB
2021-12-21 16:24:30
4.01MB
1