- 博客(17)
- 资源 (2)
- 收藏
- 关注
RSS订阅原创 第 3 章 数学与算法基础
本章要回答的是"为什么可以这样操作，以及更复杂的算法建立在什么数学地基之上"。医学影像处理的每一个核心任务——重建、分割、配准、分类、生成——背后都有明确的数学支撑：几何变换是线性代数里的矩阵乘法，去噪是概率意义上的估计问题，重建与网络训练是最优化问题。本章不追求数学上的完备证明，而是以"够用、能用、知道用在哪"为目标，帮助读者建立三块基石：线性代数与概率论（3.1）、最优化方法（3.2）、常用编程工具与库（3.3）。
2026-10-12 17:08:29
336
原创 第 2 章 数字图像处理基础
本章导读医学影像本质上是一种特殊的数字图像——它记录的不只是可见光下的形态，而是人体内部组织对不同物理信号（X 射线、射频脉冲、声波、γ 光子等）的响应。要对其进行有效处理，必须先建立扎实的数字图像处理基础。本章从图像的数学表示出发，依次讲解像素、色彩空间、分辨率与位深度等核心概念，再过渡到几何变换、灰度变换、滤波去噪等基本操作，最后进入频域分析，介绍傅里叶变换与小波变换在医学影像中的关键作用。全章贯穿 Python 代码示例，便于读者边学边练。
2026-10-12 11:37:50
197
原创 第1章 医学影像处理概述
1.1 医学影像的发展与价值1.1.1 医学影像技术的演进医学影像技术的发展就像一部“看清人体内部”的科技进化史，从最初的模糊轮廓到如今的精准“透视”，每一步都在刷新医生对人体的认知。1895年，德国物理学家伦琴发现X射线，能穿透人体并在胶片上留下骨骼的影子 —— 这是人类第一次“看见”身体内部的结构（比如骨折的骨头）。当时的X射线只能拍摄黑白影像，主要显示骨骼，肌肉、器官等软组织几乎看不清，而且辐射剂量较高。一句话：X射线率先出现，第一次看到了骨头的样子。
2026-10-09 17:04:26
143
原创 球囊导管的结构组成与工作原理
球囊导管的本质是 **“以微创方式，将可控的机械扩张力精准传递到体内病变部位”**，通过球囊的 “膨胀 - 收缩” 循环，实现管腔狭窄的撑开、病变组织的塑形或临时封堵，同时可结合药物、刀片等附加功能，提升治疗效果。其技术关键在于 “精准定位（导丝引导 + 影像辅助）”“压力可控（避免组织损伤）” 和 “材料适配（兼顾柔韧性与扩张强度）”，是现代介入医学中最基础、最核心的器械之一。
2025-10-11 21:00:00
2354
原创 写在前面的话
这十年，我亲眼见证了计算机视觉的发展，目睹了深度学习在医学图像领域的“突飞猛进”，也在传统算法到深度学习模型的转型之路上踩过不少的“坑”，亦在从“纸上谈兵”到“技术落地”的过程中碰过不少的“壁”。从研究院到上市公司，从学术论文到产品研发，从机器学习到深度学习，从算法创新到技术落地，从处理CT、MR、超声影像的“像素战场”到挑战病理切片与内窥镜图像的“微观世界”，每一张医学影像背后，都是技术与生命的对话。学海无涯，若文中有疏漏之处，也恳请各位同行不吝指正，咱们一起把医学图像处理这门技术聊透、学精！
2025-07-02 13:29:16
193
原创 医学影像处理技术与实现：从入门到精通
第 1 章 医学影像处理概述1.1 医学影像的发展与价值医学影像技术的演进医学影像在临床诊断、治疗规划中的核心作用1.2 医学影像的分类与特点常见成像模态：CT、MRI、超声、PET、X 光、病理切片等不同模态的成像原理、分辨率、临床应用场景对比1.3 医学影像处理的关键任务预处理、分割、重建、配准、增强、量化分析、计算机辅助诊断（CAD）第 2 章 数字图像处理基础2.1 图像的数学表示像素、灰度值、色彩空间（RGB、HSV、Lab）图像矩阵、分辨率、位深度、DICOM 格式解析。
2025-07-02 09:21:54
1083
原创 运行MMSegmentation遇到“RuntimeError: CUDA error: an illegal memory access was encountered”
出现这个问题的原因很可能是因为mask没有处理好。解决方案是：检查mask的像素值是否存在类别之外的值，如果存在的话，分析存在的原因，并给出解决办法。例如，以我遇到的为例，只需要设置一个阈值，令小于阈值的像素为0，大于阈值的像素为1即可。这样处理后，数据量再多也没再报错。
2024-01-09 15:25:53
1016
1
原创 Win10+PyCharm利用MMSegmentation训练自己的数据集
在mmseg/datasets中新建一个以自己的数据集命名的py文件，例如，我新建了一个名为cag.py的文件。"""@Title: 创建一个自己的数据集"""'.png'."""# 类别和对应的RGB配色classes=('background', 'vessel'), # 类别标签名称palette=[[0, 0, 0], [255, 255, 255]]) # 类别标签上色的RGB颜色# 指定图像扩展名，标注扩展名。
2023-09-18 20:00:00
2181
1
原创 Win10系统下MMSegmentation的环境配置
更新conda至最新版 conda update -n base -c defaults conda。官方指导中给的是“使用MIM 安装MMCV”，而安装这种方式安装后运行代码时往往报错。删除虚拟环境 conda remove --name xxx(虚拟环境的名称)6. 安装mmcv （！重要，与官网教程中的不同！2. 创建一个虚拟环境（这样不会影响其它已安装的环境）5. 安装pytorch和cuda。7. 安装scipy等其它所需的库。4. 先配置下载源，只需配置一次。运行软件：PyCharm。
2023-09-07 17:27:52
727
原创 一款容易上手的数据增强库Albumentations
github.comAlbumentations是一个基于OpenCV的数据增强库，支持多种计算机视觉任务，如分类、语义分割、实例分割、目标检测和位姿识别。提供一个简单统一的api接口，适用于所有数据类型：图像（RBG图像、灰度图像、多光谱图像），分割mask，边界框和关键点。大概有70多种不同的图像增强方法，相比torch自带的，这个库函数有更多的图像预处理方法。最大特点：快！在相同的预处理下，albumentations的速度最快。
2023-04-20 17:55:48
2805
原创 conda虚拟环境下sklearn库安装避雷
sklearn库是在Numpy、Scipy和matplotlib的基础上开发而成的，因此在安装sklearn库之前先安装这些依赖库。
2022-09-08 17:08:04
2534
原创 新购电脑已装显卡，但控制面板里找不到“NVIDIA 控制面板”怎么办？
新购电脑，在电脑属性——设备管理器中能查看到显卡，但是控制面板里找不到“NVIDIA 控制面板”选项 或 在桌面空白处右击找不到“NVIDIA 控制面板”选项。
2022-07-05 09:47:23
27592
原创 ‘nvidia-smi‘ 不是内部或外部命令，也不是可运行的程序或批处理文件
'nvidia-smi' 不是内部或外部命令，也不是可运行的程序或批处理文件
2022-05-20 13:38:29
17186
11
原创 Windows10系统下CUDA和cuDNN安装教程
安装之前，先简单了解一下CUDA和cuDNN：CUDA (ComputeUnified Device Architecture)，是显卡厂商NVIDIA推出的运算平台。 CUDA是一种由NVIDIA推出的通用并行计算架构，该架构使GPU能够解决复杂的计算问题。NVIDIA cuDNN是用于深度神经网络的GPU加速库。它强调性能、易用性和低内存开销。NVIDIA cuDNN可以集成到更高级别的机器学习框架中，如谷歌的Tensorflow、加州大学伯克利分校的流行caffe软件。简单的插入式设计可以让开
2022-05-20 13:31:32
29112
14
原创 图像分割之水平集（1）
图像分割是图像处理技术中的一项关键技术，被广泛应用于医学影像处理、计算机视觉等多个领域。图像分割的目的是将图像中所代表不同特征的区域划分为互不相交的区域，从而获得目标的位置及轮廓特征。因此，图像分割是特征提取的基础和前提，图像分割的效果直接影响后续操作。本文主要简洁介绍众多图割算法中的一种——基于水平集的分割算法。1、水平集的简介 基于几何变形模型的水平集方法最早
2015-05-11 20:27:38
9220
DRLSE距离正则化水平集演化算法的MATLAB代码
2015-05-13
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人