Gerardus：医学影像与计算生物学研究工具集

腰椎滑脱的机器学习分类模型，听起来挺高大上对吧？其实上手不难，而且应用场景还挺实用。Michelle Ide 写的这个项目挺值得一看，用的是标准的数据科学套路：清洗数据、做初步，建模、评估，再给点临床建议。整个流程比较清晰，代码也不绕，看得懂也跑得通。 数据用的是腰椎的 X 光图像特征，目标是判断是否异常。这类影像学分类问题，用传统方法误判率挺高，研究里说平均误解率能飙到43.6%，挺吓人吧？用机器学习来建模型就可以减少这种误诊，像是SVM和随机森林，都是拿来就能用的。 代码结构比较干净，核心逻辑都拆得比较好。你要是对医学影像分类感兴趣，或者想找个实际点的数据科学项目练手，这个挺适合的。里面还

Python在包括Microsoft Windows、Mac OS X、Linux和UNIX在内的常用计算机操作系统上都可以使用。在Windows上，您通常需要下载和安装Python，因为它不是标准配置。在大多数新的Mac OS X、Linux和UNIX系统中，Python已经作为标准配置包含（实际上，一些Linux操作系统的部分是用Python编写的），尽管您应该检查您所拥有的Python版本：在命令行输入'python'可查看版本。您可以在本书末尾的参考部分或剑桥大学出版社网站：http://www.cambridge.org/pythonforbiology 查看Python在各种平台上

本资源探讨了医学影像处理中的图像编码、旋转和配准技术，提供了相关程序和素材资源。

医学影像和计算机视觉研究人员，这款神经影像.nii到.png格式转换器是您的理想选择。只需将脚本添加到路径中，输入命令' nii2png '，选择工作目录和您的NIfTI图像，即可快速转换。您还可以选择旋转图像，处理后的png文件将保存在工作目录的png文件夹中。

互联网程序员每天都在审查来自网络的生物信息学和计算生物学评论和资源。这些资源涵盖数据的收集、分析、解释、展示和组织，包括特拉华大学“生物数据分析”课程的在线笔记集，以及各种与统计、数据分析、机器学习相关的学习材料和文章。

巨渺的医学影像查询系统 v2017 网络版，算是我最近接触过比较成熟的一套医学影像平台了。站点联通、图像共享这些都不稀奇，关键是它能实现跨科室的图像和报告调用，而且响应还挺快。 界面操作不复杂，支持批量录入、图文一体浏览，还有叫号系统对接功能。医生不用来回敲信息，预约信息直接入报告，省事又稳。 第三方接口支持蛮灵活，你接 HIS、LIS、PACS 还是体检系统都没啥大问题。图像、报告一键导出，多种格式都整得明明白白，JPG、PDF、Word 都支持，甚至连 DICOM 也能出。 权限管理和数据备份做得也比较细，用户登录可自定义权限分配，还带自修复机制。哪怕系统重装、断电也不用怕，数据不会丢。

KroneckerBio：基于Kronecker积的系统生物学建模工具箱 KroneckerBio是一个MATLAB工具箱，用于使用Kronecker积构建和分析系统生物学模型。它提供了用于模型构造、仿真和分析的函数和工具。KroneckerBio可用于构建各种生物学模型，包括基因调控网络、代谢途径和信号通路。该工具箱具有以下特点： 模型构造： KroneckerBio提供了一组函数来构造Kronecker积模型，包括创建张量、构建网络和定义动力学方程。 仿真： 该工具箱包含各种仿真方法，例如直接积分、事件驱动的仿真和蒙特卡罗仿真。 分析： KroneckerBio提供了分析模型行为的工具，

libfnl :trade_mark: 是一个 API 和 CLI，它提供了一组易于使用的工具来促进数据和文本挖掘。该库仅适用于 Python 3，特别适合挖掘生物医学/科学文本，但也可用于其他情况。它是基因名称存储库守护程序、PubMed 镜像工具集合和文档存储库的补充部分。 该库包含以下软件包： fnl.nlp: 用于分析文本的工具（标记化、PoS 标记、短语组块、实体检测）；用于对句子进行分段并将文本映射到字典条目的模块，包括 的 Python 包装器、 的 Python 包装器以及语料库的处理程序；此外，通过 的包装器，最大熵分类器也可用。 fnl.stat: 评估评分者间 K

《国际时序生物学》中MATLAB的gn算法代码，用于自适应陷波滤波器和昼夜相移估计的参数调整过程。包括五个Simulink文件：ANF_1st.mdl至ANF_5th.mdl，分别运行1阶至5阶的自适应陷波滤波器。MATLAB代码Adaptive_notch_filter.m实现1阶至5阶ANF的估计值和昼夜节律相位比较。此外，Evolutionary_Strategy_ANF_mutation.m文件通过进化策略优化ANF参数。