CTC

　　 　　2020 年 6 月 19 日，泛生子完成全球史上最大癌症精准医学 IPO。 　　2020 年 6 月 12 日，燃石医学登陆纳斯达克，使其早期投资机构联想之星实现近 80 倍账面回报，超过其当期基金规模的 1.5 倍。 　　 在这巨大商业回报的背后，是人类在不断拓展生命长度的漫长进程中，对癌症精准早筛和伴诊积蓄已久的巨量刚需。 而针对 ctDNA、CTC、外泌体、ctRNA 等肿瘤生物标志物的液体活检手段的出现，则为这一蓬勃需求的宣泄带来了合适的出口。 　　当下虽已有燃石医学、泛生子成功上市珠玉在前，但 CB Insights China 认为 在中国庞大而纵深的癌症早筛与伴诊潜在市场需求面前，液体活检领域的拓荒才刚刚起步，“广阔天地，大有作为”。 目前中国有将近两百家企业活跃在液体活检领域，呈现百舸争流千帆竞般欣欣向荣之景。CB Insights China 从中遴选出了 28 家大小企业，期望藉此探得中国液体活检行业的些许未来气象。 　　在本次评选当中，CB Insights China 依据 DPTC（ D epth、 P opularity、 T endency、 C ollaboration）体系，从四个维度全方位评估企业自身研发和商业化能力、外界资本态度以及未来发展趋势。具体到肿瘤液体活检榜单上来讲，评价维度包含以下六个方面： 技术前沿度、产品数量和质量

　　 　　2020 年 6 月 19 日，泛生子完成全球史上最大癌症精准医学 IPO。 　　2020 年 6 月 12 日，燃石医学登陆纳斯达克，使其早期投资机构联想之星实现近 80 倍账面回报，超过其当期基金规模的 1.5 倍。 　　 在这巨大商业回报的背后，是人类在不断拓展生命长度的漫长进程中，对癌症精准早筛和伴诊积蓄已久的巨量刚需。 而针对 ctDNA、CTC、外泌体、ctRNA 等肿瘤生物标志物的液体活检手段的出现，则为这一蓬勃需求的宣泄带来了合适的出口。 　　当下虽已有燃石医学、泛生子成功上市珠玉在前，但 CB Insights China 认为 在中国庞大而纵深的癌症早筛与伴诊潜在市场需求面前，液体活检领域的拓荒才刚刚起步，“广阔天地，大有作为”。 目前中国有将近两百家企业活跃在液体活检领域，呈现百舸争流千帆竞般欣欣向荣之景。CB Insights China 从中遴选出了 28 家大小企业，期望藉此探得中国液体活检行业的些许未来气象。 　　在本次评选当中，CB Insights China 依据 DPTC（ D epth、 P opularity、 T endency、 C ollaboration）体系，从四个维度全方位评估企业自身研发和商业化能力、外界资本态度以及未来发展趋势。具体到肿瘤液体活检榜单上来讲，评价维度包含以下六个方面： 技术前沿度、产品数量和质量

宜信OCR技术探索与实践​|直播速记 ​ 宜信OCR技术探索与实践|完整视频回放 ​ ​ ​分享实录 一、OCR概述 1.1 OCR技术演进 传统图像，冈萨雷斯的图像处理。 信号处理、频域分析以及各类算法：SIFT、HOG、HOUGH、Harris、Canny…都很赞。 从2016年以后业界基本上都已经转向深度了，因为效果真的特别好。 1.2 OCR技术商业服务 身份证卡证类相对容易些，但是要做到复杂场景的，也不是那么容易。 发票、业务单据相对复杂，除了识别，更重要的是版面分析。 最近表格识别比较火，各家都在努力实现，微软的开放tablebank数据集 移动端backboneMobileNet，或者是tesseract+opencv 二、我们的业务场景 2.1 业务需求 满足业务是第一需要，不同于大厂，对外服务API，要求大并发那么强，多样性品类完备，我们更强调单品要做到尽量达到业务要求，更强调定制化，可以分布走，业务上可以给反馈不断改进。 2.2 识别过程中需要解决的问题 三、OCR算法详解 3.1 算法概述——分享原则 大家一定要自己弄细节，读代码、甚至自己动手撸，自己训练，调参，排错，才能有真正的体会和理解，只讲我认为每个算法里面不太好理解，重点，以及容易忽略的点，跟同行一起交流，沟通。 一个模型，要全面深入了解，需要： 目标、目的、意义是啥？ 网络结构啥样？ loss是啥？

前言 PostgreSQL 12 的一个重要变化是 recovery.conf 配置文件中的参数合并到 postgresql.conf，recovery.conf 不再使用 ； 参见：https://www.postgresql.org/docs/release/12.0/ Move recovery.conf settings into postgresql.conf (Masao Fujii, Simon Riggs, Abhijit Menon-Sen, Sergei Kornilov) recovery.conf is no longer used, and the server will not start if that file exists. recovery.signal and standby.signal files are now used to switch into non-primary mode. The trigger_file setting has been renamed to promote_trigger_file. The standby_mode setting has been removed. recovery.conf 配置文件此文件中的参数合并到 postgresql.conf recovery.conf 配置文件不再支持，若

CRNN是OCR领域非常经典且被广泛使用的识别算法，其理论基础可以参考我 上一篇文章 ，本文将着重讲解CRNN代码实现过程以及识别效果。 数据处理 利用图像处理技术我们手工大批量生成文字图像，一共360万张图像样本，效果如下： 我们划分了训练集和测试集（10:1），并单独存储为两个文本文件： 文本文件里的标签格式如下： 我们获取到的是最原始的数据集，在图像深度学习训练中我们一般都会把原始数据集转化为lmdb格式以方便后续的网络训练。因此我们也需要对该数据集进行lmdb格式转化。下面代码就是用于lmdb格式转化，思路比较简单，就是首先读入图像和对应的文本标签，先使用字典将该组合存储起来（cache），再利用lmdb包的put函数把字典(cache)存储的k,v写成lmdb格式存储好（cache当有了1000个元素就put一次）。 import lmdb import cv2 import numpy as np import os def checkImageIsValid(imageBin): if imageBin is None: return False try: imageBuf = np.fromstring(imageBin, dtype=np.uint8) img = cv2.imdecode(imageBuf, cv2.IMREAD_GRAYSCALE) imgH,

CRNN是OCR领域非常经典且被广泛使用的识别算法，其理论基础可以参考我 上一篇文章 ，本文将着重讲解CRNN代码实现过程以及识别效果。 数据处理 利用图像处理技术我们手工大批量生成文字图像，一共360万张图像样本，效果如下： 我们划分了训练集和测试集（10:1），并单独存储为两个文本文件： 文本文件里的标签格式如下： 我们获取到的是最原始的数据集，在图像深度学习训练中我们一般都会把原始数据集转化为lmdb格式以方便后续的网络训练。因此我们也需要对该数据集进行lmdb格式转化。下面代码就是用于lmdb格式转化，思路比较简单，就是首先读入图像和对应的文本标签，先使用字典将该组合存储起来（cache），再利用lmdb包的put函数把字典(cache)存储的k,v写成lmdb格式存储好（cache当有了1000个元素就put一次）。 import lmdb import cv2 import numpy as np import os def checkImageIsValid(imageBin): if imageBin is None: return False try: imageBuf = np.fromstring(imageBin, dtype=np.uint8) img = cv2.imdecode(imageBuf, cv2.IMREAD_GRAYSCALE) imgH,

Scrum 是敏捷开发流派中最著名和最落地的一支，全球 70% 以上公司的敏捷转型都是以 Scrum 起步。CODING 特邀敏捷顾问、CST & CTC 认证敏捷教练 申健 老师将在本课程 《Scrum 敏捷项目管理核心要素之 3355》 中介绍 Scrum 框架的核心要素，帮助大家更好地学习实践 Scrum。 大家好，本次我将为大家详细讲解敏捷的一个流派，叫做 Scrum 敏捷项目管理核心 ，它起源于 2001 年，当时有 17 位大牛共同讨论了他们的想法和各种软件开发方法，经过交流，他们最后达成了价值观和原则上的共识，共同发布了敏捷软件开发宣言。 而迭代的概念则可以追溯到 1970 年左右，Scrum 也是用迭代式去进行发展，与之相应对的就是瀑布式，所有工作像流水线一样有计划且按部就班的去进行。例如：在软件开发中，先是需求分析、设计，然后进入开发编码、测试，到最后上线，整个过程有前后顺序，不过现实中总会在某个地方出现问题从而造成返工。 有两个日本学者在 1986 年研究了丰田、本田、佳能等高科技公司怎样在一个不确定的情况下去研发一个新产品，他们发现这些公司不再去区分职能部门，而是具有跨职能团队的特点。就像打英式橄榄球，每个人都有各自的专长，但是目标是统一的：要进球赢球。 所以他们在管理智力型研发项目时，没有再用瀑布流式来管理，而是用一种不断迭代的方式。项目的迭代时间不超过四周

一. 应用背景 OCR(Optical Character Recognition)文字识别技术的应用领域主要包括：证件识别、车牌识别、智慧医疗、pdf文档转换为Word、拍照识别、截图识别、网络图片识别、无人驾驶、无纸化办公、稿件编辑校对、物流分拣、舆情监控、文档检索、字幕识别文献资料检索等。OCR文字识别主要可以分为：印刷体文字识别和手写体文字识别。文字识别方法的一般流程为：识别出文字区域、对文字区域矩形分割成不同的字符、字符分类、识别出文字、后处理识别矫正。 二. 文字检测 文字检测是文字识别过程中的一个非常重要的环节，文字检测的主要目标是将图片中的文字区域位置检测出来，以便于进行后面的文字识别，只有找到了文本所在区域，才能对其内容进行识别。 1.【CTPN】 CTPN，全称是“Detecting Text in Natural Image with Connectionist Text Proposal Network”，将文本行在水平方向解耦成slices进行检测，再将slices区域合并成文本框。CTPN结构与Faster R-CNN类似，但加入了RNN(LSTM层)用于序列的特征识别来提高检测精度，目前CTPN针对水平长行文本的检测是工业级的，算法鲁棒。 算法流程： Feature Map：N(images) - C(channels) - H(height) - W