该项目是基于opencv的实时监控系统; 树莓派4B作为监控设备,通过运行python脚本进行图像识别和处理,当检测到有人进过时将图像发送给服务器。 服务器后端使用springboot框架,支持图像的实时上传和下载。 前端使用微信小程序,显示图片及其具体信息。
该项目是基于opencv的实时监控系统; 树莓派4B作为监控设备,通过运行python脚本进行图像识别和处理,当检测到有人进过时将图像发送给服务器。 服务器后端使用springboot框架,支持图像的实时上传和下载。 前端使用微信小程序,显示图片及其具体信息。
一、项目内容概述 自然语言处理(NLP)是计算机科学、人工智能和语言学的交叉领域。本项目旨在通过自然语言(NLP)将临床上特应性皮炎患者不可描述的自然语言处理成可量化、可统计的数据,建立特应性皮炎患者的数据库,找出他们其中的相似点和共通点,并搭建人工神经网络,使用现有数据对模型进行训练,最终实现自动诊疗并导出病人治疗方案。 本项目创新点在于通过NLP对医院电子病例中自然语言进行数据化格式化处理,解决了自然语言由于其目标表示的复杂性、映射类型的多样性等特点造成的语义和语法的模糊性,帮助医院制定个性化治疗方案。 二、项目简介 1.研究内容: 现存于各医院的电子病历中的许多不可量化、不可统计的自然语言,占据大量存储空间且难以利用,我们要利用自然语言工具箱(NLTK,Natural Language Toolkit)对杂乱的病历病史提取特征(包括关键词、概念等),并依据特征内容对其进行分析,进而建立包含特应性皮炎患者信息的数据库。在拥有该数据库的基础上,可以对病历档案进行科学管理、对病历数据进行统计调查、对病历数据进行挖掘分析。 前端使用微信小程序,后端使用thinkphp框架,机器学习使用pytorch。
该项目是基于完成端口的高并发服务器;可支持上万个连接。完成端口会充分利用Windows内核来进行I/O的调度,是用于C/S通信模式中性能最好的网络通信模型。
最近一年贡献:0 次
最长连续贡献:0 日
最近连续贡献:0 日
贡献度的统计数据包括代码提交、创建任务 / Pull Request、合并 Pull Request,其中代码提交的次数需本地配置的 git 邮箱是 Gitee 帐号已确认绑定的才会被统计。