脑肿瘤检测| Web App演示（烧瓶）| 三角洲团队
使用Web App（Flask）进行脑肿瘤检测，可以基于上传的MRI图像对患者是否患有脑肿瘤进行分类。
该项目使用的图像数据是用于脑肿瘤切除术的Brain MRI图像。（ ）
影片示范
点击图片播放 :backhand_index_pointing_down:
想要在您的计算机上运行该项目
按着这些次序
克隆或下载（ ）
在项目目录中打开终端/ CMD
然后使用以下命令创建虚拟环境：
py -m venv env
使用以下方法激活虚拟环境：
env\Scripts\activate
使用以下命令安装所有要求：
pip install -r requirements.txt
一口咖啡要花一些时间才能下载 :hot_beverage:
成功下载所有上述要求后，请使用以下命令运行应用程序：
flask run
等待几秒钟，直到显示如下： Running on http://127.0.0.1:50
2021-10-26 09:02:40
53.68MB
1
页面有部分*字样，修改为你的即可。
功能有：
1.注册/登录功能
2.挂号（选择科室，医生）
3.查看病历
4.查看药方
用到的技术：
css用来对页面进行格式设置
jquery的事件操作
ajax读取json数据（仅用GET方法）
2021-10-09 11:10:30
9.97MB
1
IRC_ClusteringPatientData
使用支持向量机（SVM）学习方法对患者数据进行聚类以进行诊断。该项目是伦敦帝国理工学院Horizons课程的跨学科研究计算项目的一部分。
目的
机器学习（ML）模型可以成功处理诸如像素或随机数值数据之类的复杂数据，并在该数据中找到可能会非常复杂的模式以其他方式进行分类。在医学领域有很多ML的例子，我们想更多地了解如何获取医学数据并产生有趣的结果。
运行模型
执行main.py：
从在线数据库中提取数据并进行清理
训练模型
测试模型
产生准确性结果和相关图表
代码的主要部分使用Model.py中定义的Model类。这样可以轻松启用和禁用诸如图形或评估机制之类的功能。
属性
数据属性如下：
匈牙利心脏病研究所。布达佩斯：瑞士苏黎世医学博士学位的Andras Janosi：瑞士巴塞尔医学博士学位的William Steinbrunn：瑞士长
2021-09-30 09:00:18
92KB
1
药物推荐使用审查：针对患者的每种健康状况，分析药物说明，病症，审查，然后使用深度学习模型推荐药物
2021-09-26 21:40:50
1.94MB
1
BP神经网络与Logistic回归在单中心64例腹膜透析患者死亡相关危险因素分析中的应用.pdf
2021-09-25 22:05:38
1.03MB