التعلم العميق لتجزئة الصور الطبية ثنائية وثلاثية الأبعاد واكتشاف الكائنات في لغة R.
الربط بين خطوط أنابيب بيانات R وبنى PyTorch لملفات DICOM و NIfTI
أداة rplatypus تسد الفجوة بين حزم التعامل مع الصور الطبية في R ونماذج التعلم العميق في PyTorch. وهي توفر التجزئة الدلالية وتجزئة المثيلات إلى جانب اكتشاف الكائنات لصيغ مثل DICOM و NIfTI.
تتعامل الحزمة مع مواصفات نماذج التعلم العميق، والتدريب، ورسم الأقنعة مباشرة من R باستخدام محرك PyTorch معزول. وهي تتميز بدعم مدمج لبنى مثل U-Net و LinkNet مع مقاييس تقييم قابلة للمقارنة.
هي تناسب مستخدمي R الذين يعملون مع مجموعات بيانات التصوير الطبي ويرغبون في تشغيل التعلم العميق دون مغادرة بيئتهم. وهي لا تناسب أولئك الذين يحتاجون إلى إعدادات مسبقة التكوين دون تنزيل تبعيات Python الكبيرة.
تشغيل خطوط أنابيب التعلم العميق بالكامل في R أثناء الحساب عبر محرك Python معزول.
معالجة تنسيقات التصوير الطبي القياسية بشكل أصلي في مواصفات ثنائية وثلاثية الأبعاد.
تصور التنبؤات مقابل أقنعة الحقيقة الأرضية باستخدام خرائط ألوان مخصصة لفحص أخطاء النموذج.
التكلفة الوحيدة هي تشغيلها بنفسك، حيث لم يتم ذكر الترخيص في بيانات المستودع الوصفية.
870 وظيفة مفتوحة عن بعد في تدريب الذكاء الاصطناعي، آخر تحديث ١٤ نوفمبر ٢٠٢٦؛ أجر معظمها $20–$170 في الساعة. منها 2 وظائف تطلب متحدثين بالعربية. يعرضها ذكائي مجانًا، والتقديم يتم على منصة جهة التوظيف.
أدوات الذكاء الاصطناعي المُراجَعة هذه تؤدي المهمة فوراً — من دليلنا المُقيَّم.
لا، تقوم الحزمة بتثبيت وعزل محرك pyplatypus الخاص بها تلقائيًا عند الاتصال الأول.
لا، هذه إعادة كتابة كاملة تعمل على PyTorch بدلاً من TensorFlow.
شاهد Zekai أولاً في جوجل