DeepKnee:纸张代码

关于 该分支机构中的软件实现了自动管道，可根据普通X射线照片评估骨关节炎的严重程度。 可以通过REST over HTTP或DICOM协议来利用它。 此外，我们构建了易于使用的Web UI。 机器学习的核心管道由两篇文章提供支持： Tiulpin，Aleksei，Iaroslav Melekhov和Simo Saarakkala。 “ KNEEL：使用沙漏网络进行的膝盖解剖地标定位。” IEEE计算机视觉研讨会国际会议论文集。 2019。 Tiulpin，Aleksei等。 “从平片上自动诊断膝关节骨关节炎：一种基于深度学习的方法。” 科学报告8.1（2018）：1727。 作者 整个程序包由Aleksei Tiulpin（@lext）构建。 Egor Panfilov（@soupault）已构建了DeepKnee v1的大部分内容： ： （已存档）。 当前版本的DeepKnee