【20210115期AI简报】EdgeBERT:极限压缩,比ALBERT再轻13倍!树莓派上跑BERT的日子要来了?...

OCTA-500数据集实战:如何用Python快速处理视网膜血管分割任务(附完整代码) 本文详细介绍了如何使用Python处理OCTA-500数据集进行视网膜血管分割任务,涵盖数据预处理、IPN-V2模型部署及训练优化等关键步骤。通过实战代码演示,帮助开发者快速掌握医学影像分析技术,为糖尿病视网膜病变等疾病的早期诊断提供技术支持。 阅读详情

导读:本期为 AI 简报 20210115期,将为您带来 9 条相关新闻,有趣有料多闻~

本文一共 3500 字,通篇阅读结束需要 7~12 分钟

1. EdgeBERT:极限压缩,比ALBERT再轻13倍!树莓派上跑BERT的日子要来了?

这个世界上有两种极具难度的工程:第一种是把很平常的东西做到最大,例如把语言模型扩大成能够写诗写文写代码的 GPT-3;而另一种恰恰相反,是把很平常的东西做到最小。对于 NLPer 来说,这种 “小工程” 最迫在眉睫的施展对象非 BERT 莫属。

从 18 年那个 109M 参数的 BERT,到 52M 参数的蒸馏后的 DistilBERT,再到 14.5M 参数的蒸馏更多层的 TinyBERT,最后到 12M 参数的层级共享的 ALBERT,曾经那个在集群上加载参数都费劲的 BERT 现在甚至已经可以跑在手机平台上了。当我们为 BERT 的轻量化欢呼雀跃之时,有这样一群人站了出来——只是手机端可不够!

他们的理想,是让 BERT 跑在物联网设备上,跑在低功耗芯片上,跑在我们能触及的每一个电子器件上!

这样一群来自哈佛 / 塔夫茨 / HuggingFace / 康奈尔的软件和硬件极客们,此刻已披上了法袍,化身为为 BERT 极限瘦身的炼金术士,向着这个看似不可能的目标添加着许多让人意想不到的配方…

  • 论文题目:EdgeBERT: Optimizing On-Chip Inference for Multi-Task NLP

  • 论文链接:

         https://arxiv.org/pdf/2011.14203.pdf

2. 用AI「驯服」人类幼崽:这个奶爸找到了硬核带娃的乐趣

为了能安心看几集 Netflix 剧,技术宅奶爸都做了些什么……

长期以来,「奶爸」+「萌娃」一直是一个不被看好的组合,甚至有人说,「父爱如山体滑坡」。

当然,并不是所有的奶爸都这么不靠谱,也有人带起娃来挺正常的,Agustinus Nalwan 就是其中之一。

Agustinus Nalwan 是 Medium 上的一位博主,曾经从事计算机视觉、3D / 动画、游戏开发等方面的工作,目前供职于澳洲最大的汽车交易平台 carsale.com.au。

他有一个两岁半的儿子,名叫 Dexie。Dexie 非常活泼,喜欢动物,尤其是老鹰,经常学老鹰在家里飞来飞去。

于是 Nalwan 决定基于 Jetson AGX Xavier 开发一套新玩具,实现他「展翅高飞」的梦想,最不重要的是有更多时间看 Netflix 了。

新玩具名叫 Griffin(神话中的狮鹫),最终实现效果是这样的

Griffin 的四大组件:

  • 3D 游戏引擎:借助一个用 OpenGL 写成的飞行模拟器生成带有山脉、天空和 Griffin 的 3D 魔幻世界。

  • 人体姿态估计:使用 OpenPose 姿态估计模型和 SSD 目标检测模型来持续检测玩家的身体姿态,作为系统的输入,以控制 Griffin。

  • 动作映射和手势识别:将身体姿态转化为有意义的动作和手势,如抬起左 / 右翅膀、左右翻滚身体、起飞等。

  • 通信系统:使用 socket 将姿态输入送进 3D 游戏引擎。

3. YOLOv5在最新OpenVINO 2021R02版本的部署与代码演示详解

本文从原始的三个输出层解析实现了boxes, classes, nms等关键C++代码输出,实现了纯OpenVINO+OpenCV版本的YOLOv5s模型推理的代码演示。原文拥有详细的系统环境与各个部分解释,以及代码实现与演示图像。分为以下几个步骤:

  • YOLOv5下载与测试运行

  • 模型转换,ONNX 和 IR 格式

  • OpenVINO SDK

  • 读取模型

  • 设置输入与输出格式

  • 设置输入图像数据并实现推理预测

  • 解析输出结果,实现显示输出。

4. 只需要7nm芯片1.25%的能耗,就能运行这颗超导芯片,包含冷却开销在内

一颗7nm制程的芯片,所需能量竟然能被用来运行80个超导芯片???

没错,全球首个绝热超导微芯片MANA,现在已经问世。MANA(MonolithicAdiabatic iNtegration Architecture)超导芯片,由一种名为铌 (Nb)的超导金属组成。当温度低于10开尔文(-263℃)时,就会出现超导现象。

这种芯片的关键构成部分,是一种名为AQFP (绝热量子通量参变器)的节能超导数字电子结构。

AQFP结构,能处理所有计算问题,包括数据处理和数据存储。而它的能耗,仅为CMOS材料及计算的几万分之一。

这种超导芯片在处理数据时,运行效率可达2.5GHz,与目前所需的计算技术相匹配。

如果进一步研发的话,处理速度还能再进一步优化。

5. ICPR 2020|大规模商品图像识别挑战赛冠军技术干货分享

近日,国际模式识别大会(ICPR 2020)拉开帷幕,各个workshop也公布了各项挑战赛的结果,来自中国的DeepBlueAI 团队斩获了由ICPR 2020、Kaggle和JDAI等联合举办大规模商品图像识别挑战赛冠军。

【赛题介绍】

随着互联网技术和电子商务的迅猛发展,人们的购物方式逐步由传统实体店购物变为网络购物。为了充分满足客户海量、多样化的网上购物需求,人工智能零售系统需要快速地从图像和视频中自动识别出产品的存货单元(Stock Keeping Unit,SKU)级别的类别,然而,许多SKU级别的产品都是细粒度的,可以看出它们在视觉上是相似的。

JDAI构建了一个名为Products-10K[1]的产品识别数据集,这是迄今为止最大的一个产品识别数据集,其中包含了约10000种经常被中国消费者购买的产品,涵盖了时尚、3C、食品、保健、家居用品等全品类。

该赛题由JDAI和ICPR 2020、Kaggle等联合举办,要求参数者开发算法基于提供的产品图片进行细粒度分类。

【团队成绩】

DeepBlueAI团队通过数据分析,网络结构设计以及loss改进等逐步优化算法,最好的单模在Public & Private上的分数分别是0.70918/0.73618,均超过了第2名最好的成绩,并且通过模型集成的方法,取得Public & Private第一名的成绩,领先第2名两个百分点。

DeepBlueAI团队针对大规模细粒度商品图像识别任务,通过数据分析、数据增强、网络结构设计以及loss改进等设计了一个简单的细粒度图像识别算法。详情请看原文

6. 您有一条来自2020年的「个人年度总结」留言,请注意查收

如果不知道该怎么写年底总结的,请看这条

这是一个总结指南,教你回顾2020,分析经验教训,设定新一年目标。

在每年年底做个人年度总结,给我带来了一些令人惊喜的变化:

  • 这些总结使我较好理解自己的弱点。

  • 年度总结改善了我的自我反思方式,让我能看到自己过去一年的成长,并对此欣然接受。

  • 这些总结使我对自己想要的东西变得清晰,能够帮助我做计划,将梦想变为现实。

  • 在为来年设定切实可行的目标方面,这些总结扮演着重要的角色。

在这篇文章中,我将列出一系列循序渐进的步骤,教你做自己的年度总结,这样你就可以充分利用一年中发生的所有积极的变化,将其转化为下一年的动力和养料。虽然我是以书面日记的形式记录总结,但形式很灵活,你也可以将其写在电脑或者手机里。对于那些喜欢使用电子设备的人,可以参考我的概念模板链接,在那里你可以直接登录并开始编辑。我也想概述一下我的总结回顾步骤,并讨论一下结果,希望这对那些想要研究个人年度总结、并希望以此提升自己发展路径的人有所帮助。

7. 80GB医学影像数据集!OCTA-500公开发布

OCTA-500数据集内容汇总及组织结构

OCTA-500数据集下载地址:

https://ieee-dataport.org/open-access/octa-500

数据驱动的人工智能技术正在飞速发展,许多国际知名的数据集、样本库都成为开展科学研究、实验检测、成果推广不可缺少的重要资源,并成为学术论文的重要组成部分。

光学相干断层扫描血管造影(OCTA)是建立在光学相干断层扫描(OCT)技术上的一种崭新的成像模态,它以微米级的分辨率显示视网膜血管的三维结构,弥补了OCT无法提供血流信息的不足。由于OCTA技术起步较晚尚未完全普及,目前缺少公开的数据集供研究人员使用。

为了推进OCTA图像的处理和分析技术发展,《中国图象图形学报》编委南京理工大学陈强教授及其团队发布了目前最大的OCTA图像数据集OCTA-500。它包含500只眼睛的OCT和OCTA两种模态的三维数据,六种投影图像,四种文本标签以及两种分割标签,同时基于该数据库他们还提出了一种三维到二维分割的图像投影网络。

8. 如何入门线性代数?这里有一份Python线性代数讲义

项目地址:

https://github.com/MacroAnalyst/Linear_Algebra_With_Python

这份讲义为初学者设计,涉及线性代数的基本概念、特殊矩阵及其应用,并提供了相应代码和图示。

人工智能的基础是数学,线性代数又是其中的重要部分。然而,对于数学基础不好的人来说,「线性代数」是一门非常抽象的课程。如何学习线性代数呢?这个 GitHub 项目介绍了一份入门级线性代数课程讲义,适合大学生、程序员、数据分析师、算法交易员等,使用的代码用 Python 语言写成。

该讲义为初学者设置,不过它对略有线性代数和微积分知识的人也有帮助。学习者应具备 Python、NumPy、Matplotlib、SymPy 的基础知识(3 天的训练足够了)。

为了使大家更容易地理解代码,讲义中涉及的所有代码均以直观的方式写成,而没有选择高效或专业的代码风格。

项目作者表示:这些讲义将为学习者提供数据学习、经济计量学、数学统计学、控制论等严重依赖线性代数的学科最需要的基础知识。耐心学习完之后,你将更好地掌握线性代数的基本概念,接下来就可以学习特殊矩阵及其应用。

9. LeetCode刷题实战1:在数组上遍历出花样

算法的重要性,我就不多说了吧,想去大厂,就必须要经过基础知识和业务逻辑面试+算法面试。所以,为了提高大家的算法能力,这个公众号后续每天带大家做一道算法题,题目就从LeetCode上面选 !

废话不多说,让我们一起来看看题目吧。

Given an array of integers, return indices of the two numbers such that they add up to a specific target.

You may assume that each input would have exactly one solution, and you may not use the same element twice.

https://leetcode.com/problems/two-sum/

简单点的就是暴力破解:

1# python
2for i in range(len(array)):
3    for j in range(len(array)):
4        if array[i] + array[j] == target:
5            return [i, j]

进阶版就是使用 map, 大家可以尝试一下,要工作人员出代码的话,请在评论区留言



ART-Pi扩展板设计大赛报名了!

1.主控板由RT-Thread官方提供赞助(意思就是参赛者免费拿主控板)!

2.扩展板元器件与PCB板由立创EDA提供,基础组合:50元器件券+20元打样券(如果Demo所需券面额超过基础组合,可额外申请多面额的券);

识别二维码,立即报名


RT-Thread


让物联网终端的开发变得简单、快速,芯片的价值得到最大化发挥。Apache2.0协议,可免费在商业产品中使用,不需要公布源码,无潜在商业风险。

长按二维码,关注我们

???????????? 点击阅读原文进入RT-Thread官网

OCTA-500:用于光学相干断层扫描血管造影研究的视网膜数据集|文献速递-基于生成模型的数据增强与疾病监测应用 数据集提供了丰富的图像和注释,包括两种模态(OCT/OCTA体积)、六种投影类型、四种文本标签(年龄/性别/眼别/疾病)以及七种分割标签(大血管/毛细血管/动脉/静脉/2D FAZ/3D FAZ/视网膜层)。我们介绍了新的 OCTA-500 数据集,该数据集包含来自 500 名受试者的 OCTA 成像,并提供了丰富的图像和标注集。(C) OCTA-500 切片的人工标注示例。图 4. OCTA-500 数据集中文本标签的统计直方图:(a) 性别,(b) 眼别,(c) 年龄,(d) 疾病。 阅读详情

相关推荐

OCTA-500数据集解析:多模态视网膜血管分割与深度学习优化实践

本文深入解析了OCTA-500数据集,这是目前公开最大、最全的多模态视网膜血管分割数据集,包含OCT与OCTA影像及七类精细分割标签。文章重点探讨了如何利用该数据集进行深度学习优化实践,详细介绍了IPN-V2等模型在3D分割任务上的架构精要与性能提升,为AI辅助眼科疾病诊断提供了核心资源与实战指南。

weixin_28224217的博客 456

Android 开源项目和文章集合(更新:2022.03.21)

1.再见SharedPreferences,你好MMKV! https://mp.weixin.qq.com/s/VBMDIE0QHXQAMuIjon-Fjg

z979451341的博客 24万+

spring-ai-alibaba-starter-tool-calling-jinacrawler-1.0.0.3.jar中文-英文对照文档.zip

1、压缩文件中包含: 中文-英文对照文档、jar包下载地址、Maven依赖、Gradle依赖、源代码下载地址。 2、使用方法: 解压最外层zip,再解压其中的zip包,双击 【index.html】 文件,即可用浏览器打开、进行查看。 3、特殊说明: (1)本文档为人性化翻译,精心制作,请放心使用; (2)只翻译了该翻译的内容,如:注释、说明、描述、用法讲解 等; (3)不该翻译的内容保持原样,如:类名、方法名、包名、类型、关键字、代码 等。 4、温馨提示: (1)为了防止解压后路径太长导致浏览器无法打开,推荐在解压时选择“解压到当前文件夹”(放心,自带文件夹,文件不会散落一地); (2)有时,一套Java组件会有多个jar,所以在下载前,请仔细阅读本篇描述,以确保这就是你需要的文件。 5、本文件关键字: jar中文-英文对照文档.zip,java,jar包,Maven,第三方jar包,组件,开源组件,第三方组件,Gradle,中文API文档,手册,开发手册,使用手册,参考手册。

软硬兼施极限轻量BERT!能比ALBERT再轻13倍?!

文 | Sheryc_王苏这个世界上有两种极具难度的工程:第一种是把很平常的东西做到最大,例如把语言模型扩大成能够写诗写文写代码的GPT-3;而另一种恰恰相反,是把很平常的东西做到最小。...

夕小瑶科技说 756

colmap+openMVS稠密重建

简要记录一下colmap+openMVS稠密重建相关使用。

weixin_41631106的博客 2244

网络虚拟化介绍(OVS、DVS)

网络虚拟化概念网络虚拟化就是把网络层的一些功能从硬件中剥离出来,建立新的网络虚拟层;该虚拟层可以接管网络服务和配置,实现网络服务与物理层的解耦,打破物理资源限制;通过网络虚拟层能够在一个物理网络上模拟出多个逻辑网络,并且多用户在逻辑网络上相互隔离,保证网络安全网络虚拟化的特点隔离性:不同租户的流量相互之间不能互访;但是IP/MAC地址都可以独立规划可移动性:虚拟机可以跨二层/三层迁移,甚至可以跨广域网迁移(迁移前后虚拟机Vlan和IP地址都不会发生变化)可扩展性:逻辑网络的规模和数量可扩展。

m0_49864110的博客 1万+

我在树莓派上跑通了bert模型,使用numpy实现bert模型,使用hugging face 或pytorch训练模型,保存参数为numpy格式,然后使用numpy加载模型推理...

之前分别用numpy实现了mlp,cnn,lstm,这次搞一个大一点的模型bert,纯numpy实现,最重要的是可在树莓派上或其他不能安装pytorch的板子上运行,推理数据 本次模型是随便在hugging face上找的一个新闻评论的模型,7分类 看这些模型参数,这并不重要,模型占硬盘空间都要400+M bert.embeddings.word_embeddings.weight torch...

高颜值的杀生丸(此博客转载自我的博客园) 585

ESXI 与 OPNSense 配合

国庆期间在家里更新曾经购买的设备,将曾经的单系统,加固为防火墙,多系统的网络架构,如下图: 网络架构 在 ESXI 系统中默认存在一个 vSwitch0 交换机,且其不能被修改名称,因此在此通过修改其对应绑定的上行网卡即可,具体如下: 设置 vSwitch0 上行链路 将 vmnic 0 (网口...

weixin_34050389的博客 2314

字节跳动将双月OKR调整为季度;马斯克批OpenAI违背初心:被微软控制,只顾赚钱;苹果上新348元省电保护膜|极客头条

「极客头条」—— 技术人员的新闻圈!

极客日报 1万+

单粒子翻转对FPGA的影响及解决方法

单粒子翻转对FPGA的影响及解决方法

航天领域资深码农,型号经验丰富,一线干货分享 2446

辐射制冷无规散射结构非球形散射体的结构优化与设计准则

本文针对辐射制冷材料中非球形散射体的光散射特性开展研究,提出了一种基于体积散射截面和不对称因子的综合评价方法。通过建立简化模型分析球体、圆柱体、长方体等六种几何形状在太阳波段的散射性能,发现金字塔形和圆锥形具有更强的后向散射能力。研究创新性地提出"反射因子SR=S(1-g)"这一评价参数,该参数与宏观反射率高度相关,为非球形散射体的优化设计提供了定量依据。仿真结果表明,合理选择散射体形状可显著提升辐射制冷材料的太阳反射率,为实现高效被动制冷提供了新的结构设计思路。

huanghm88的专栏 83

数据集的收集与整理

1. 南京理工大学 陈强教授团队发布的OCTA图像数据集 OCTA-500 2. 上海交通大学(倪冰冰团队)发布的 MedMNIST数据集

weixin_44845357的博客 4296

Spring AI 实战:第七章、Spring AI Advisor机制之记忆大师

从金鱼到最强大脑通过 Spring AI 的记忆功能,我们成功让 AI:记住了用户身份实现了多用户隔离做到了持久化存储最终效果用户:“和上次一样” → AI 秒懂用户:“你知道我的名字吗?” → AI:“当然,张三!AI的进化路线🐟金鱼脑 →🧠最强大脑 →🏛️记忆宫殿管理员。

liaokailin的专栏 1517

Jetson nano 运行openpose

声明:仅作为个人学习使用 之前一直在树莓派上使用openpose,需要用到一个树莓派4B+一个Intel神经网络计算棒,即便如此也只能勉强运行openpose的精简版,成本约为1000r左右,后来发现了nvidia公司生产的Jeston nano,在Jeston nano上跑openpose流畅许多,且成本仅为500r左右 在网上找相关资源,找到了华仔的一篇名为Jetson nano安装openpose的文章,这篇文章真的是帮了我大忙,在这里向这位博主表示衷心的感谢。经过一天时间,成功运行o..

超级锅包肉的博客 2661

基于聚类特征工程的水果销量预测:聚类算法对比与多模型评估

水果销量预测研究:聚类分群与多模型对比 摘要 本研究提出了一种融合聚类分析与机器学习的水果销量预测方法。基于包含12个维度的销售数据集,首先采用K-Means、BIRCH和DBSCAN三种聚类算法对水果品类进行分群,通过轮廓系数等指标评估显示BIRCH算法表现最优(0.387)。随后针对不同群组构建差异化特征工程,并比较XGBoost、LightGBM和LSTM三种预测模型性能。实验结果表明:基于聚类特征工程的LightGBM模型预测效果最佳(RMSE=2.34,R²=0.87).

huanghm88的专栏 139

fbx bip互转 测试OK

fbx bip互转

jacke121的专栏 519

【openvino+树莓派】实现实时摄像头人脸检测

目录 参考步骤 人脸检测py代码 图片形式 摄像头实时 树莓派+openvino人脸检测实时效果 openvino 树莓派 人脸实时检测测试效果_哔哩哔哩_bilibili 参考步骤 Openvino:安装、部署。(可参考以下文档,验证不建议参考) 树莓派+神经计算棒2部署Openvino的human_pose_estimation_demo实例_hwxhxyz1998403的博客-优快云博客_openpose 树莓派 树莓派4B使用OpenVINO部署人体关键点检测...

dujuancao11的博客 5186

ET2012新版免狗免安装绿色软件

ET2012新版免狗免安祖昂绿色软件。,新界面,新视觉,

常见的 OCT 眼底疾病数据集(OCT2017、Eye OCT Datasets、OCTDL、RetinalOCT_Dataset-C8、RETOUCH和OCTA-500)

本文旨在介绍几个常用的OCT数据集,包括OCT2017、Eye OCT Datasets、OCTDL、RetinalOCT_Dataset-C8、RETOUCH和OCTA-500,分析它们的特点、用途和适用场景,为研究人员在选择合适的数据集时提供参考。:该数据集包含500只眼睛的OCT和OCTA两种模态的三维数据,六种投影图像,四种文本标签(年龄、性别、左右眼、疾病类型)以及两种分割标签(视网膜大血管、无血管区)。:数据来自真实临床场景,分辨率高,适合精细病变分割任务,但样本量较小,需结合数据增强技术。

weixin_43518285的博客 5035

efm32 入门.pdf

本PDF共计22页,介绍的是操作驱动API,下载与否自己斟酌。

Devexpress16.2.6破解工具

Devexpress16.2.6破解工具Devexpress16.2.6破解工具Devexpress16.2.6破解工具Devexpress16.2.6破解工具

7ZIP命令行极限压缩

7ZIP命令行极限压缩 使用的版本是19.00,看了看自带的帮助文档,在这里记下来几个极限压缩为zip格式的命令。 注意,这是压缩为 ZIP格式 ,不是 7Z !!两种格式的参数不一样。 全部默认,只设置压缩等级: >7z a -tzip 压缩文件名称.zip "F:\要压缩的文件夹或文件" -r -mx=9 这句只设置了压缩等级“-mx=9”为最高,默认使用的是Deflate算法。 ...

KurlKas 5176

IEM模型,地表粗糙度模拟

利用微波反演土壤水分时候,利用IEM模型可以实现对随机地表的模拟

DB-UNet: MLP Based Dual Branch UNet for Accurate Vessel Segmentation in OCTA Images 论文总结

DB-UNet: MLP Based Dual Branch UNet for Accurate Vessel Segmentation in OCTA Images 论文总结

qq_45981086的博客 2167

OCTA数据集的交叉验证划分为训练集和测试机

OCTA数据集的交叉验证划分为训练集和测试机

xiashaoyan1的专栏 712

树莓派OpenPose人体骨骼点识别设计与实现(源码/文档)

通过本设计,我们实现了一个基于树莓派平台的深度学习人体骨骼点识别系统,成功将OpenPose算法应用于低功耗设备,并优化了其性能。未来,我们将继续探索更多优化方案,以提升系统的处理速度和准确度,并拓展其应用场景,如智能健身、智能监控等领域。

jujingyiawsl的博客 1022

EdgeBERT:极限压缩bert

这个世界上有两种极具难度的工程:第一种是把很平常的东西做到最大,例如把语言模型扩大成能够写诗写文写代码的 GPT-3;而另一种恰恰相反,是把很平常的东西做到最小。对于 NLPer 来说,这种 “小工程” 最迫在眉睫的施展对象非 BERT 莫属。 从 18 年那个 109M 参数的 BERT,到 52M 参数的蒸馏后的 DistilBERT,再到 14.5M 参数的蒸馏更多层的 TinyBERT,最后到 12M 参数的层级共享的 ALBERT,曾经那个在集群上加载参数都费劲的 BERT 现在甚至已经可以跑在手

kyle1314608的博客 551

【阅读总结】Image Magnification Network for Vessel Segmentation in OCTA Images

这是一篇arXiv上2021年的文章。以往基于深度学习的方法以U-Net作为基础结构来分割视网膜血管。作者认为U-Net容易遗漏弱信号血管和细毛细管,于是提出了一个图像放大网络(IMN),采用了上采样编码和降采样解码的设计,可以捕捉更多的图像细节,并减少对薄结构和小结构的遗漏。OCTA的图片长这样: 肉眼可见的是里面有许多非常细的血管,作者认为这些毛细血管(以及弱信号血管)就是以往的方法所不擅长处理的。U-Net的网络结构是中间分辨率相对低,两头分辨率相对高,而作者提出的IMN则是U-Net反过来:两头分

nhjydywd0的博客 625

80GB医学影像数据集发布!OCTA-500公开下载

点击上方“CVer”,选择加"星标"置顶重磅干货,第一时间送达本文转载自:中国图象图形学报注:文末附数据集下载和医疗影像交流群现代医学中,医学影像是重要的临床诊断和鉴别诊...

阿木寺的博客 5198
上一篇: 【RT-ThreadX立创EDA】ART-Pi扩展板设计大赛报名了!
下一篇: 【再见,2020】这一年我与RT-Thread的故事征集
RT-Thread物联网操作系统
博客等级 码龄6年 2万+粉丝 392原创
评论 3
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付:10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值