- 博客(24)
- 收藏
- 关注
RSS订阅原创 SAM-Med3D：面向三维医疗体数据的通用分割模型 （代码仓库笔记）
定位为 SAM-Med3D 的核心实现目录，统一封装2D/3D 模型构建自动掩码生成交互式推理与部署/工具，对外以注册表与预测器提供稳定接口。定位utils/提供数据路径管理、加载与预处理、指标计算、推理辅助、命令行封装与数据格式转换等通用工具，支撑训练/评估/部署的全流程。
2025-09-12 11:05:45
1007
原创 SAM-Med3D：面向三维医疗体数据的通用分割模型（文献精读）
本文提出SAM-Med3D，一种基于纯三维架构的医学图像交互式分割方法。通过构建大规模SA-Med3D-140K数据集（143K掩码，245类），采用端到端三维ViT架构实现单点三维提示下的高效分割。实验表明，相比逐片处理的2D方法，SAM-Med3D仅需1个体素级点即可达到76.27%的总体Dice，提升60个百分点，且在CT/MR多模态和45/49类解剖结构上表现更优。与专用模型相比，在6个公开基准中4个超越nnU-Net等对手，同时保持高效交互（10点/体时达80.71% Dice）。该方法通过三维注
2025-09-11 21:34:10
1324
原创 基于脑电和心电信号的焦虑状态识别研究综述
焦虑是一种常见的情绪状态，如过度且持续存在则可能发展为焦虑障碍，对个体认知功能、学习记忆和身心健康产生显著负面影响。近年来，利用客观生理信号（尤其是脑电图EEG和心电图ECG）检测焦虑状态成为研究热点。这类方法通过采集大脑和心脏活动信号，提取多种特征并结合机器学习或深度学习模型，实现对焦虑状态的自动识别。本文系统综述了基于EEG和ECG信号的焦虑检测领域的最新进展，内容涵盖研究背景与意义、数据采集设备与公开数据集、信号预处理方法、特征提取与选择、模型与算法、分类精度与评估指标、多模态信号融合的探索，以及当前
2025-05-12 16:42:45
870
原创 嵌入式系统 （5.嵌入式Linux网络应用开发）
本文介绍了嵌入式Linux网络应用开发的基础概念和套接字编程方法。主要内容包括：1)网络通信的基本概念，如客户端/服务端模型、IP地址与端口号、TCP/UDP协议特点；2)套接字编程的核心方法，包括套接字类型(TCP/UDP/原始套接字)、创建与绑定、地址结构定义、连接建立和数据传输函数；3)基于C/S模型的程序结构，详细说明了服务端和客户端的实现流程，涵盖套接字创建、绑定、监听、连接建立、数据收发等关键步骤。文章通过代码示例和流程图，系统性地讲解了嵌入式Linux网络编程的基本原理和实现方法。
2025-01-08 10:40:56
1076
原创 嵌入式系统 （4.Linux内核与驱动程序）
字符设备驱动程序是设备驱动程序的一种，用于操作以字节流方式传输数据的设备，如串口、终端等。字符设备被映射为文件系统中的节点，通常位于/dev/目录中，用户通过文件操作（如openreadwrite）与设备交互。
2025-01-08 10:03:55
1318
1
原创 嵌入式系统 （3.嵌入式软件系统基础）
本文介绍了嵌入式软件系统的基础知识，主要包括嵌入式软件系统的概述、分类、体系结构和运行流程，以及嵌入式操作系统的特点、发展历程、分类、体系结构和核心功能。嵌入式软件是嵌入式系统的核心，具有逻辑实体性、复杂性、环境依赖性等特点，其体系结构分为驱动层、操作系统层、中间件层和应用层。嵌入式操作系统经历了从无操作系统到实时操作系统的发展，具有可固化、可配置、可裁剪等特点，其核心功能包括任务管理、内存管理、通信与同步等。文章还介绍了μC/OS-II等嵌入式操作系统实例，为理解嵌入式系统提供了基础框架。
2025-01-08 10:02:11
1168
原创 嵌入式系统 （2.嵌入式硬件系统基础）
嵌入式硬件系统以微处理器为核心，包含总线、存储器、I/O接口等组件。处理器分为冯·诺依曼和哈佛结构，支持RISC/CISC指令集，主流包括ARM、MIPS等系列。系统具有低功耗、高集成度特点，按性能分为低/中/高端，采用动态调频等技术优化能耗。存储器分主存（ROM、SRAM等）和外存（Flash、SD卡）。处理器按位数（4-64位）和用途（DSP/通用）分类，ARM因低功耗高密度成为主流，其架构从v4发展到v7，支持多核和64位技术。华为麒麟9000S芯片实现自主突破。未来趋势为多核和64位扩展，解决性能瓶
2025-01-08 10:00:35
1742
原创 嵌入式系统 （1.绪论）
嵌入式系统是专用计算机系统，以应用为中心，具有内核小、专用性强、实时性高、开发标准化等特征。其组成包括硬件（处理器、存储器、I/O设备）、软件（应用程序和操作系统）及中间层（BSP/HAL）。设计流程采用自顶向下方式，从需求分析到系统集成，调试方法包括模拟器、在线仿真器、监控器和在线调试器。发展趋势强调经济性、小型化、网络化、低功耗和多媒体交互，需要高性能处理器、实时多任务编程和网络协议支持，以提升智能化和用户体验。
2025-01-07 22:33:47
531
原创 脑电信号处理与提取总结
脑电测量方法：脑电是一种低空间分辨率的大脑活动测量方法，具有较低的信噪比，原始形式不适用于测量大多数与特定事件或任务相关的神经活动。事件相关响应：通过平均技术可以从连续的EEG数据中提取与刺激有关的锁时的事件相关响应（ERP）。锁相的事件相关响应容易观测，而非锁相的响应（ERO）则难以观测。ERP与ERO的区别：ERP是与刺激开始时刻相位锁定的事件相关响应，而ERO是非锁相响应，表现为EEG活动特定频率的变化，可能表现为事件相关同步化（ERS）或去同步化（ERD）。ERP的产生模型。
2024-12-06 14:52:36
1883
原创 情绪识别（Anxiety）数据集汇总（附部分下载链接）
这个数据集是关于脑电图（EEG）信号的，具体来说，它是MAMEM EEG SSVEP（Steady-State Visual Evoked Potential）数据集。SSVEP是一种通过视觉刺激引起的脑电活动，通常用于研究大脑对视觉刺激的反应。
2024-11-06 14:51:01
807
原创 Multimodal EEG for Anxiety Survey
该研究旨在通过分析社交焦虑障碍(SAD)患者的脑电图(EEG)信号的复杂性来辅助临床诊断。研究由来自马来西亚、沙特阿拉伯、阿联酋和也门的多个机构的研究人员共同完成，并获得了医学伦理委员会的批准，符合赫尔辛基宣言的要求。研究中涉及88名SAD患者，分为四个平衡组：严重组、中度组、轻度组和健康对照组。研究利用模糊熵(FE)这一度量来分析这些组别在静息状态下的EEG复杂性。通过高时间分辨率的EEG技术，研究人员能够捕捉到大脑活动的瞬时变化模式，这对精神健康状况的临床评估至关重要。
2024-09-20 14:48:18
1463
原创 Slonim N, Bilu Y, Alzate C, et al. An autonomous debating system[J]. Nature, 2021
自主辩论系统的整体架构由多个模块组成，每个模块负责处理辩论过程中的特定任务。这些模块包括主题理解、信息检索、论证生成、反驳生成和语言生成等。以下是对每个模块的详细描述。
2024-06-17 14:05:17
540
原创 A topological loss function for deep-learning based image segmentation using persistent homology
定义拓扑损失函数时，首先需要确定目标拓扑特征（例如预期的Betti数）。然后，计算预测分割结果的持久性条形码与目标拓扑特征之间的差异，具体包括条形码长度的差异。拓扑损失函数可以表示为：其中，(b_{k,l})表示预测分割结果的第(k)个Betti数的第(l)个条形码的长度，(d_{k,l})表示目标拓扑特征的第(k)个Betti数的第(l)个条形码的长度。
2024-06-13 15:30:08
1964
原创 Cytomorphology（细胞形态学）
白血病分类依赖于详细的骨髓的细胞形态观察 涂抹。然而，应用现有的深度学习方法 对它来说，它面临着两个重大限制。首先，这些方法需要在单元级别具有专家注释的大规模数据集才能获得良好的结果，并且通常存在泛化能力较差的问题。其次，他们简单地将骨髓细胞形态检查视为一项多分类细胞分类任务，从而未能利用不同等级白血病亚型之间的相关性。因此，骨髓细胞形态的评估作为一个耗时和重复的过程，仍然需要由有经验的细胞学家手动完成。
2024-06-03 14:35:48
548
原创 综述类paper
人工智能（AI）在医疗保健领域正变得不可或缺。成功应用和有前景的方法包括使用模式识别软件预处理和分析数字医学图像、利用深度学习算法进行疾病分类、数字孪生技术和计算机模拟临床试验。此外，机器学习技术用于识别电子健康记录中的模式和异常，并对可穿戴健康跟踪设备收集的数据进行即时评估，以进行深入的纵向表型分析。近年来，自动图像分类取得了显著进展，甚至在某些情况下达到了超越人类水平。
2024-05-28 16:26:50
1449
原创 血液病公共数据集总结
这个数据集不仅是目前文献中可用的最大的骨髓细胞形态学专家注释图像池，而且它的高质量和细胞种类的详细分类，使其成为训练白细胞形态学分类器的理想选择，这些分类器能够以高精度和高召回率识别一系列具有诊断相关性的细胞种类。
2024-05-24 14:25:09
875
原创 第一章 欢迎来到深度学习的世界
什么是深度学习深度神经网络的本质核心模型卷积神经网络（CNN）是一种深度学习模型，用于处理图像和语音等网格状数据。它通过卷积层、池化层和全连接层构建模型，自动提取图像特征并进行分类。CNN在计算机视觉领域广泛应用，并取得了很大的成功。循环神经网络（RNN）是一种能够处理序列数据的神经网络模型。相比于传统的前馈神经网络，RNN引入了循环连接，使得网络能够保留过去的状态信息，并将其用于当前的预测。这种循环结构使RNN在处理语言和时间序列等具有顺序性的数据时具有优势。
2024-05-02 18:23:40
131
1
原创 SSM框架答辩笔记
这段代码定义了NoticeDao接口中的各种数据库操作方法，使用注解方式指定了对应的SQL语句或动态SQL提供者，用于执行与公告信息相关的查询、插入、更新和删除操作。这段代码定义了UserDao接口中的各种数据库操作方法，使用注解方式指定了对应的SQL语句或动态SQL提供者，用于执行与用户信息相关的查询、插入、更新和删除操作。这段代码定义了JobDao接口中的各种数据库操作方法，使用注解方式指定了对应的SQL语句或动态SQL提供者，用于执行与职位信息相关的查询、插入、更新和删除操作。
2023-05-17 12:11:49
2015
1
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人