Advertisement

ADHD-200数据集

  •  5星
  •     浏览量: 0
  •     大小:None
  •      文件类型：None

简介：
ADHD-200数据集是一个包含多模态神经影像数据的研究资源，专为精神健康领域的科学家和医生设计，用于研究注意缺陷多动障碍（ADHD）患者的脑部结构与功能特征。 ADHD-200样本是国际神经影像数据共享倡议（INDI）的一部分，由8个国际影像站点合作组成。这些站点汇集并公开分享了来自362名被诊断为注意力缺陷多动障碍的儿童和青少年以及585名典型发展对照者的神经影像数据。这947个数据集包括结构和静息状态功能MRI图像及表型信息。 相关论文发表于《NeuroImage》期刊，作者为Pierre Bellec, Carlton Chu, François Chouinard-Decorte, Yassine Benhajali, Daniel S. Margulies 和 R. Cameron Craddock（2017）。

全部评论 (0)

还没有任何评论哟~
客服
客服
客服关闭
  • ADHD-200数据集
    优质
    ADHD-200数据集是一个包含多模态神经影像数据的研究资源，专为精神健康领域的科学家和医生设计，用于研究注意缺陷多动障碍（ADHD）患者的脑部结构与功能特征。 ADHD-200样本是国际神经影像数据共享倡议（INDI）的一部分，由8个国际影像站点合作组成。这些站点汇集并公开分享了来自362名被诊断为注意力缺陷多动障碍的儿童和青少年以及585名典型发展对照者的神经影像数据。这947个数据集包括结构和静息状态功能MRI图像及表型信息。 相关论文发表于《NeuroImage》期刊，作者为Pierre Bellec, Carlton Chu, François Chouinard-Decorte, Yassine Benhajali, Daniel S. Margulies 和 R. Cameron Craddock（2017）。
     
  • S7-200 485 数据采集
    优质
    S7-200 485数据采集系统用于自动化控制领域，通过RS-485通讯接口高效收集设备运行信息，适用于工业监测与控制系统集成。 S7-200采集能量表冷量数据的程序是通过485接口来读取深圳建恒能量表的数据。
     
  • 儿童 ADHD 对照组的脑电图数据
    优质
    本研究收集并分析了患有注意力缺陷多动障碍（ADHD）的儿童与正常发育儿童之间的脑电图数据，旨在探索ADHD患儿大脑活动特征及其差异。 参与者包括61名多动症儿童和60名健康对照组成员（男女皆有，年龄介于7至12岁）。所有多动症儿童均经一位经验丰富的精神病学家根据DSM-IV标准确诊，并且已经持续服用利他林六个月。对照组中没有一名儿童被报告患有精神障碍、癫痫或任何高风险行为。 脑电图记录采用19个通道，包括Fz、Cz、Pz、C3、T3、C4、T4、Fp1、Fp2、F3、F4、F7、F8、P3、P4、T5、T6、O1和O2，并按照国际10-20系统标准进行。记录在采样频率为每秒128赫兹的情况下完成，A1和A2电极作为参考点位于耳垂上。
     
  • S7-200 数据资料S7-200 数据资料S7-200 数据资料S7-200 数据资料S7-200 数据资料S7-200 数据资料S7-200 数据资料...
    优质
    本资源提供全面的西门子S7-200系列可编程逻辑控制器的数据手册和应用指南，涵盖硬件配置、编程方法及故障排除等内容。 S7-200资料 S7-200资料 S7-200资料 S7-200资料 S7-200资料 S7-200资料 S7-200资料 S7-200资料 S7-200资料 S7-200资料
     
  • Caltech-UCSD Birds 200 鸟类图像数据集
    优质
    Caltech-UCSD Birds 200 数据集是由加州理工学院和加州大学圣地亚哥分校联合开发的一个鸟类图像识别数据库，包含来自200种不同鸟类的约12,000张图片。该数据集广泛应用于计算机视觉领域，特别是针对细粒度分类任务的研究。 Caltech-UCSD Birds 200 是一个包含11788张图片的鸟类图像数据集，涵盖了200种不同的鸟类。
     
  • Caltech-UCSD Birds 200鸟类图像数据集
    优质
    Caltech-UCSD Birds 200数据集是由加州理工学院和加州大学圣地亚哥分校联合开发的一个大型鸟类图像数据库，包含超过11,000张不同种类的鸟的照片，用于促进计算机视觉研究中的物种识别。 Caltech-UCSD Birds 200 是一个包含 11788 张图片的鸟类图像数据集，涵盖了 200 种不同的鸟类。
     
  • YOLOv8人物数据集及PT文件（200轮）
    优质
    本资料包含YOLOv8针对人物识别训练的专用数据集及预训练模型文件，经过200轮迭代优化，适用于快速开发和部署高性能的人物检测应用。 YOLOv8人数据集是计算机视觉领域用于目标检测任务的重要资源之一，它包含大量经过精心标注的人像图片，以便机器学习模型能够识别并定位图像中的人物。全称“You Only Look Once”的YOLO是一种实时的目标检测系统，设计目的是快速准确地在图像中定位物体。作为最新版本的YOLOv8s，在前几代的基础上进行了优化，提升了目标检测的速度和精度。 该数据集由三个部分组成：训练集（train）、测试集（test）以及验证集（valid）。具体用途如下： 1. **训练集**包含了大量图片用于模型的学习过程。通过学习这些标注信息，模型能够掌握识别并定位人像的技巧。 2. **测试集**则用来评估在未见过的数据上模型的表现情况，在训练期间通常会从一部分训练数据中划分出作为测试用途。 3. **验证集**介于两者之间用于调整超参数和决定是否提前停止训练，以避免过拟合。 YOLOv8s采用PyTorch框架构建，并且通过200轮的迭代积累了丰富的学习经验。这样的预训练模型可以进一步微调适应特定应用场景或者直接应用于相似数据集上的预测任务中去使用。 在处理这个数据集时需要注意以下几点： 1. **目标检测**是计算机视觉中的关键任务，旨在识别图像内的对象并提供边界框定位信息。 2. 了解YOLOv8s之前的版本（如从YOLOv1到YOLOv7）的设计理念和优化策略有助于理解最新版的工作原理。 3. 理解神经网络架构的各个组成部分的功能对于模型性能的提升至关重要，例如卷积层、池化层以及全连接层等的作用机制。 4. 在训练过程中通过最小化特定损失函数来更新权重以提高准确性。目标检测任务中的常见损失函数包括定位误差和分类误差两个方面。 5. 使用不同的优化器（如随机梯度下降SGD或Adam）控制着模型学习过程的速度与方向，对最终结果有显著影响。 6. 数据增强技术通过旋转、缩放等手段增加图像变换的鲁棒性，并有助于防止过拟合现象的发生。 7. 评估指标包括平均精度mAP、漏检率FNR以及误报率FPR等用于量化模型性能表现。 掌握并应用上述概念将帮助你在实际项目中有效利用YOLOv8人数据集和预训练的.pt文件。
     
  • 微博疫情初始数据集(200万条).zip
    优质
    该资料包包含微博在新冠疫情初期收集的约200万条评论和帖子的数据集，为研究公众反应、信息传播及情绪分析提供了宝贵的资源。 200万条微博新冠疫情原始数据是进行情绪分析和社会分析的绝佳一手资料。
     
  • S7-200 PLC温湿度传感器数据采集
    优质
    本项目介绍如何使用西门子S7-200可编程逻辑控制器（PLC）进行温湿度传感器的数据采集与处理，适用于工业自动化和环境监测系统。 本控制系统采用S7-200 PLC通过温湿传感器采集厂房内的温湿度数据，并根据需要调节冷水阀、热水阀及加湿阀的开度以控制室内温湿度，优先考虑除湿功能并使用制冷方式进行除湿处理。该系统应用了S7-200的模拟量输入和输出技术以及PID计算，并配备了TD200显示屏进行数据显示。自投入运行以来，系统的稳定性表现良好。希望本项目能为学习西门子PLC编程的朋友提供一些参考价值。