- 博客(13)
- 收藏
- 关注
RSS订阅原创 【无标题】
SAMadapter方法有效适配SAM框架和参数高效微调方法用于创伤性脑损伤中的血肿分割。SAM架构中的掩码解码器包含一个Transformer解码模块，并适配一个动态掩码预测头，利用双向交叉注意力来捕捉提示与图像嵌入之间的交互。冻结原始参数只微调适配器层，在 Transformer层中两个主要子层后直接加入适配器模块adapter来实现串行适配器。实验中使用公开颅内出血分割数据集用于模型预训练，使用HemSeg-200数据集进行外部验证，采用BCE（50%）+BL（50%）作为损失函数组合结果。
2025-10-14 17:20:46
303
原创 【无标题】
其中，x为输入特征向量，w权重参数(向量),b偏置参数(标量).模型中的圆圈对应两部分操作，首先是对输入特征进行线性组合得到，接着通过sigmoid函数得到a。这两个模型都属于浅层模型，逻辑回归可以看作是一个单层神经网络，单隐层神经网络是一个双层神经网络。所谓深层神经网络指的是多隐层神经网络(隐层数>=2)3.核对矩阵的维数 在实现神经网络前向/反向传播时，可以记录每一个步运算前后矩阵或向量的维度，使维度对应起来，确保正确性。一般称上图中的神经网络为双层结构，输入层不算在内，它是第0层。
2025-06-06 18:43:10
245
原创 【无标题】
1. 双网络架构： 顶部网络（20层）：常规卷积 + 批归一化 + PReLU 底部网络（17层）：扩张卷积（Dilated Convolution） + 批归一化 + PReLU 通过并行结构扩大感受野，减少计算成本。评估非局部均值（NLM）降噪算法在锡滤过低剂量CT中的有效性，结合ADMIRE迭代重建技术的不同参数，通过定量指标验证其在保留边缘信息的同时提升图像质量的能力。残差学习：预测噪声残差（干净图像 = 噪声图像 - 预测噪声）内核：B40（平滑）、B59（锐化）
2025-06-06 17:56:35
522
原创 【无标题】
self.unique_points = vtk.vtkPoints() # 去重后的顶点。self.unique_points = vtk.vtkPoints() # 去重后的顶点。1. 核心问题：传统MC算法生成的三维网格存在大量冗余顶点（相邻三角形重复存储相同顶点）# 4. 生成三角形并添加（自动合并顶点）哈希存储模型：用哈希表快速检索/重用顶点（键=顶点坐标，值=顶点ID）"""生成顶点哈希键（精度控制到0.001mm）""""""生成顶点哈希键（精度控制到0.001mm）"""
2025-06-01 11:13:34
443
原创 深度学习内容：神经网络基础
我们将向量化的思想使用在逻辑回归算法上，尽可能减少for循环，而只使用矩阵运算。值得注意的是，算法最顶层的迭代训练的for循环是不能替换的。而每次迭代过程对J，dw，b的计算是可以直接使用矩阵运算。向量化就是利用矩阵运算的思想，大大提高运算速度。例如下面所示在Python中使用向量化要比使用循环计算速度快得多。再来看逻辑回归中的梯度下降算法如何转化为向量化的矩阵形式。深度学习算法中，数据量很大，在程序中应该尽量减少使用loop循环语句，而可以使用向量运算来提高程序运行速度。
2025-06-01 10:46:48
199
原创 【无标题】
图像的频域表示包含了不同频率的信息，噪声通常集中在高频部分（例如图像中的随机变化）。小波变换（Wavelet Transform） 是一种通过不同尺度的波形（小波）对信号进行分析的方法。一种高效的图像去噪技术，它与传统的去噪方法（如均值滤波、Gaussian滤波）不同，主要特点是利用图像中像素的全局信息来去噪，而不仅仅是局部邻域的信息。半自动阈值法指的是根据某些特定的规则（通常是某些图像特征的阈值）来确定区域生长的起始点和生长范围。• 小波变换提供了图像的多尺度表示，可以在不同的分辨率下分析图像。
2025-05-19 18:04:28
338
原创 传统图像预处理技术
加权平均的过程中，中心像素权重最大，越远离中心的像素权重越小。在医学图像分析、目标检测和图像分割等领域，预处理技术为后续的任务提供了更加清晰和高质量的图像数据，极大提高了分析结果的准确性。K-means 聚类 ：K-means 聚类是一种常见的图像分割方法，通过将图像的像素分成若干个簇，从而实现图像的分割。因此，双边滤波在保留图像边缘细节的同时，可以有效去除噪声，尤其在处理带有复杂边缘的图像时，表现优越。通过重新分配图像中每个像素的亮度值，使得图像的灰度分布更均匀，从而使图像的暗部更亮，亮部更暗。
2025-05-13 20:18:05
358
原创 【无标题】
（1）原理：不仅考虑像素的位置（和高斯一样），还考虑像素值的相似性。如果相邻像素颜色与中心差异大（如肿瘤边缘），则权重降低，避免模糊边缘。（1） 原理：类似于用“毛玻璃”覆盖图像，每个像素的新值由其周围7×7区域内像素的加权平均值决定，中心像素权重最高，四周逐渐降低。解决方法：将彩色图像转换为灰度，只保留像素的亮度（从0到255的灰度值），让模型专注于强度差异，而不是颜色差异。1、平滑与降噪：使用7×7核的高斯平滑和双边滤波【1】，保留边缘同时减少噪声。（2）效果：减少噪声，但可能导致边缘模糊。
2025-05-13 20:12:49
491
原创 【无标题】
4、 “”“文档描述”“”: 描述函数功能，参数介绍等信息的文档，非必要，但是建议加上，从而增强函数的可读性。1）闭包函数定义 在Python中，闭包函数是指一个函数定义在另一个函数的内部，并且引用了外部函数中的变量。3.类的命名空间 在class语句中定义的代码都是在一个特殊的命名空间(类的命名空间)内执行的，而类的所有成员都可访问这个命名空间。匿名函数与有名函数有相同的作用域，但匿名函数引用计数为0，即使用一次就释放，所以匿名函数用于临时使用一次的场景，匿名函数通常与其他函数配合使用。
2025-05-10 20:15:32
493
原创 【无标题】
一、判断文件是否为DICOM文件1.文件的后缀名是DCM或dcm。2.需要打开文件跳过128字节的文件序言,然后读取4个字节,检查这4字节的数据是否为“DICM”。二、解析DICOM文件1.读取文件元信息中的每一个数据元素。文件元信息中组号为2的数据元素都是按照显示VR小端方式来编码的。读取传输语法UID元素,再查询数据字典,就可以知道文件中数据集的编码方式。2.接下来再按顺序读取数据集中的每个数据元素。
2025-05-09 19:24:27
917
原创 【无标题】
Python学习到字典遍历数据输出：（格式化输出）%s，字符串。%d，有符号十进制整数。%f，浮点数（输出默认保留6位小数，%.nf就是指定保留几位小数）print("我的名字是%s，我不开心。”% name)# 我的名字是shaw，我不开心print("我的名字是%s，年龄是%d岁，身高是%cm”%(name, age,height))使用格式化输出百分号的时候，需要用两个%%print("及格人数占比为%d%%"% 50)
2025-04-27 16:26:21
857
原创 【基于 CT 图像的脑出血检测方法研究】
找到一种数据间的关联，按照关联方向将数据进行排列分析，从而为数据缩水，进而提高处理数据的效率。###修正线性单元深度学习中应用最广泛的激活函数之一，其设计旨在解决传统激活函数的局限性，并为神经网络引入非线性能力。ReLU的数学定义为：通过训练得到的数据来理解处理信息主要分为两个部分，第一个部分主要基于原始 Mask_RCNN 网络、基于。
2025-04-23 17:54:05
1070
空空如也
android studio下载遇到问题
2024-10-09
TA创建的收藏夹 TA关注的收藏夹
TA关注的人