Qingkaii的博客

原创 元学习论文

元学习论文

原创 Mac电脑安装打印机驱动

当打印机和电脑在同一个WiFi下的时候查找打印机IP，输入IP后可以查到对应的打印机，添加后即可使用。1.在打印机背面找到型号，当想要安装的驱动在官网找不到时可直接搜索该系列：比如MF系列。2.安装完成后需要添加打印机。

原创 如何解决 AttributeError: ‘str‘ object has no attribute ‘decode‘

【代码】如何解决 AttributeError: ‘str‘ object has no attribute ‘decode‘

原创 Macbook安装Latex工具详细教程

Index of /CTAN/systems/mac/mactex/ | 清华大学开源软件镜像站，致力于为国内和校内用户提供高质量的开源软件镜像、Linux 镜像源服务，帮助用户更方便地获取开源软件。Index of /CTAN/systems/mac/mactex/ | 清华大学开源软件镜像站 | Tsinghua Open Source Mirror。1.安装Mactex用清华镜像安装更快，其中选择下图所示版本。2.安装Sublime Text。，安装后重启Sublime。

原创 【无标题】

学习笔记

原创 论文阅读：Multi-modal Multi-instance Learning Using Weakly CorrelatedHistopathological

论文阅读

原创 latex使用中存在的问题记录

latex使用问题记录以及爱思唯尔模版

原创 论文阅读Medical Transformer: Gated Axial-Attention for Medical Image Segmentation

论文阅读

原创 注意力机制

Squeeze-and-excitation networksSupplementary material for 'ECA-Net: Efficient channel attention for deep convolutional neural networksCbam: Convolutional block attention module

原创 论文阅读：CMT: Convolutional Neural Networks Meet Vision Transformers

论文阅读：CMT

原创 flip, rotate

翻转和旋转图像

原创 上采样和下采样

放大图像（或称为上采样（upsampling）或图像插值（interpolating））的主要目的是放大原图像,从而可以显示在更高分辨率的显示设备上。显示分辨率就是屏幕上显示的像素个数，分辨率160×128的意思是水平像素数为160个，垂直像素数128个。缩小图像（或称为下采样（subsampled）或降采样（downsampled））的主要目的有两个：1、使得图像符合显示区域的大小；由于屏幕上的点、线和面都是由像素组成的，显示器可显示的像素越多，画面就越精细，同样的屏幕区域内能显示的信息也越多。

原创 论文阅读：Boundary-aware Transformers for Skin Lesion Segmentation

​​​​​​​论文阅读

原创 学习笔记：Unet++训练过程中存在的问题记录

依次修改，将原来的注释掉，改成下图中代码，由多个类似问题，依次修改即可。修改图片路径，改成绝对路径。

原创 论文阅读：On the Integration of Self-Attention and Convolution

​​​​​​​。

原创 学习笔记：计算excel中的平均值并去除0值

3.同时按"Ctrl+Shift+Enter"组合键,即可忽略“0”值求平均值。1.在excel中首先选中要计算的部分利用平均计算的公式来计算。2.将计算部分修改为。两列相除=A1/B1。

原创 学习笔记：使用Pandas库读取Excel

官网参数详解https//pandas.pydata.org/docs/reference/api/pandas.read_excel.html参数read_excel函数能够读取的格式包含xls,xlsx,xlsm,xlsb,odf,ods和odt文件扩展名。支持读取单一sheet或几个shee.read_excel函数能够读取的格式包含xls,xlsx,xlsm,xlsb,odf,ods和odt文件扩展名。...

原创 小白学PS

13.打开电脑应用程序，找到Imagenomic文件夹，接着打开里面的Portraiture3plug-in文件夹，找到Portraiture3.plugin文件将Portraiture3.plugin文件拖到刚才打开的框里。10.会弹出一个框，在框内打开应用程序，找到Imagenomic文件夹，接着打开里面的Portraiture3plug-in文件夹。打开PS,打开一张图片，在滤镜里找到Portraiture3，打开。7.接着打开里面的Portraiture3plug-in文件夹。......

原创 学习笔记：MLP多层感知机

多层感知机（MLP，Multilayer Perceptron）也叫人工神经网络（ANN，Artificial Neural Network），除了输入输出层，它中间可以有多个隐层，最简单的MLP只含一个隐层，即三层的结构。每一层都全连接到下一层，某一层上的每个人工神经元的输出成为下一层若干人工神经元的输入。MLP至少有三层人工神经元，如下图所示。 输入层(input layer)由简单的输入人工神经元构成。每个输入神经元至少连接一个隐藏层(hidden layer)的人工神经元。隐藏层表示潜在的变量，它输

原创 论文阅读：Multi-Compound Transformer for Accurate Biomedical Image Segmentation

论文阅读：Multi-Compound Transformer for Accurate Biomedical Image Segmentation

原创 解决mount.nfs: /home/xxxx/mpi-install is busy or already mounted问题

解决问题

原创 论文阅读：A machine learning approach to medical image classification:Detecting age-related macular dege

原创 综述阅读：人工智能在肺癌影像基因组学方面的研究与进展

摘要：本文详细描述了人工智能方法在肺癌影像基因组学领域用于诊断与预后的相关研究进展。首先介绍了人工智能在影像基因组学中的角色与应用，以及人工智能技术在肺癌影像基因组学的主要研究方向，分别从肺癌基因表型识别、影像基因双向相关分析、预后预测三个方面进行了综述，并且评估了放射组学与深度学习算法在每个问题中的优缺点以及面临的问题和挑战。引言：1.准确的诊断与预后对于每个肺癌患者的治疗选择和规划至关重要。2.医学图像在肺癌的临床决策过程中起着重要的作用。3.人工智能(AI)在医学图像分析方面取得了

原创 论文阅读：基于深度学习的肺癌放射基因组学图像生物标记和基因表达数据关联框架

Topic：Image Bio-markers and Gene Expression Data Correlation Framework for Lung Cancer Radio-genomics Analysis Based on Deep Learning.Abstract：本文提出了一个基于深度学习的放射基因组学框架，构建了从肺部肿瘤图像到基因组数据的链接，并依次实现生成过程，形成了一个双向框架来映射多源医学数据。在基因组数据条件下，从自动编码器中提取图像特征。与传统的放射基因组学方

原创 论文阅读：染色归一化

题目：染色标准化在大肠组织卷积网络分类中的重要性（THE IMPORTANCE OF STAIN NORMALIZATION IN COLORECTAL TISSUE CLASSIFICATION WITH CONVOLUTIONAL NETWORKS）Introduction：组织切片的固定、包埋、切割和染色程序会影响H&E染色组织学样本的外观，这在不同实验室之间可能存在显著差异，甚至在同一实验室内的染色批次之间也可能存在显著差异。尽管这种差异仅部分限制了病理学家对图像的解释，它会极大地影响自

转载 学习笔记：MSCOCO

通过此可以查看图像标注的数量前两个时目标边界框左上角元素的x,y ；后两个是目标宽度和高度通过pycocotools获取每个类别的COCO指标_太阳花的小绿豆的博客-CSDN博客在目标检测任务中，我们常用的评价指标一般有两种，一种是使用Pascal VOC的评价指标，一种是更加严格的COCO评价指标，一般后者会更常用点。在计算COCO评价指标时，最常用的就是Python中的pycocotools包，但一般计算得到的结果是针对所有类别的，例如： Average Precision (AP) @[

原创 学习笔记：多模态

1.多模态数据：不同的存在形式或信息来源均可被称之为一种模态。由两种或两种以上模态组成的数据称之为多模态数据（多模态用来表示不同形态的数据形式，或者同种形态不同的格式，一般表示文本、图片、音频、视频、混合数据）。多模态数据是指对于同一个描述对象，通过不同领域或视角获取到的数据，并且把描述这些数据的每一个领域或视角叫做一个模态。2.多模态数据融合：主要是指利用计算机进行多模态数据的综合处理，负责融合各个模态的信息来执行目标预测。多模态数据融合负责将多个模态的信息进行有效的整合，汲取不同模态的优点

原创 论文阅读：Deep Learning–Based Segmentation andQuantification in Experimental Kidney Histopathology

实验性肾脏组织病理学中基于深度学习的分割和量化一.实验对象健康小鼠、五种小鼠疾病模型和临床前研究中使用的其他物种的周期性酸-希夫染色肾组织。分割六个主要的肾脏结构：肾小球簇、包括鲍曼囊在内的肾小球、小管、动脉、动脉腔和静脉。量化：间质扩张、肾小管扩张和萎缩以及肾小球大小的变异性二.数据准备1.使用石蜡包埋的肾组织固定在福尔马林或甲基卡诺溶液中。2.厚度为1-2mm的切片用PAS染色，并用苏木精复染。3.使用320物镜的全玻片扫描仪NanoZoomerHT2（日本滨松光电公司）

原创 学习笔记：Unet学习及训练自己的数据集

一.语义分割二.上采样和下采样1.下采样的作用：（1）是减少计算量，防止过拟合。（2）是增大感受野，使得后面的卷积核能够学到更加全局的信息。2.下采样的方式：（1）采用stride为2的池化层，如Max-pooling和Average-pooling，目前通常使用Max-pooling，因为计算简单而且能够更好的保留纹理特征；（2）采用stride为2的卷积层，下采样的过程是一个信息损失的过程，而池化层是不可学习的，用stride为2的可学习卷积层来代替pooling可以得到更

原创 论文阅读：基于深度学习的多组织染色肾皮质组织结构分割技术的开发与评估

Development and evaluation of deeplearning–based segmentation of histologicstructures in the kidney cortex with multiplehistologic stains一.主要特点：1.识别多种组织：肾小球簇、肾小球单位、近端肾小管段、远端肾小管段、管周毛细血管、肾动脉2.多种染色：H&ESILPASTRI3.对于不同的组织选择最佳..

原创 论文阅读：MPViT : Multi-Path Vision Transformer for Dense Prediction

最先进的ViT使用单尺度的patch embedding和单路径transformer编码器MPViT通过重叠卷积将相同大小的特征和不同大小的patch的同时嵌入。Ø将多尺度patch嵌入，通过重叠卷积将其拉平成为不同尺寸的token，在适当调整卷积的填充/步幅后产生具有相同序列长度的特征。Ø然后，来自不同尺度的token被通过多条路径独立并行送到Transformer编码器中，执行全局自我关注。Ø然后聚合生成的特征，从而在相同的特征级别上实现精细和粗略的特征表示。...

原创 论文阅读：肺癌

一. Introuction1.早期肺癌在影像的呈现形式是各种类型肺结节。（1）实性结节（边缘线条明显、呈现比较规则形态、内部紧凑）（2）非实性结节（边缘线条不明显、呈现不规则形态），其中磨玻璃结节（GGN）难以诊断分割。（3）亚实性结节（边缘线条不太清晰、形状不太规则）肺结节分割方法：基于阈值的分割：目标区域与背景区域灰度级相差较大的图像基于区域增长算法基于聚类算法基于超像素分割算法2.除了对肺结节辅助分割，还需精确对肺癌进行亚型鉴定。1.肺癌分类（1.

原创 改良动脉硬化评分预测糖尿病肾病的后果

1.研究原因：肾动脉硬化在糖尿病肾病（DKD）肾脏预后预测中的意义尚不明确肾存活率（RS）：从肾活检到终末期肾病或死亡的持续时间。【1】Diabetic Kidney DiseaseChallenges, Progress, and Possibilities/2032.full由糖尿病引起的肾脏疾病是全球疾病负担的一个主要因素。大约40%的糖尿病患者患有糖尿病肾病，是全世界CKD的主要病因。（包括DKD的发展）糖尿病肾病（DKD）是长期高钙血症患者最常见的并发症[1]。在中国，..

原创 paddldetection下mask-rcnn训练（自用数据集转化为coco数据集）：

1.安装python -m pip install paddlepaddle -i https://mirror.baidu.com/pypi/simple#加速克隆paddledetectiongit clone https://hub.fastgit.org/PaddlePaddle/PaddleDetection.git#选择使用码云上的托管git clone https://gitee.com/paddlepaddle/PaddleDetectionpip install"git.

原创 numpy学习笔记

1.numpy创建array#把列表转换为一个矩阵数组array = np.array([[1,2,3], [2,3,4]])print(array)print('dim',array.ndim)print('shape',array.shape)print('size',array.size)矩阵的维度是2矩阵的形状（2.3）两行三列2.改变形状bb=np.arange(9)b=np.arange(9).reshape((3,3

原创 利用swin-transformer训练自己的数据集

环境：服务器cuda10.21.创建虚拟环境,安装pytorch和torchvisionconda create -n openmmlab_XXX python=3.7 -yconda activate openmmlab_XXXconda install pytorch==1.6.0 torchvision==0.7.0 cudatoolkit=10.2 -c pytorch2.安装mmcvpip install mmcv-full -f https://download.op