- 博客(20)
- 收藏
- 关注
RSS订阅原创 openslide
在医学图像中，通常使用数字扫描仪将病理图像存储到计算机上，即幻灯片的数字版本称为WSI(whole slide image)。因为WSI的分辨率比较大，常规处理方法通常无法完成对其进行处理，所以需要借助openslide库进行处理。官方文档: https://openslide.org/api/python/#module-openslide1、安装openslidesudo apt-get install openslide-toolspip install python-openslide
2022-04-03 17:22:56
4475
1
原创 Clinical-grade computational pathology using weakly supervised deep learning on whole slide images
2019年 nature medicine代码：https://github.com/MSKCC-Computational-Pathology/MIL-nature-medicine-2019**动机：**由于病理图像所使用的WSI（Whole Slide Images）图像分辨率较大，所以在处理WSI图像时，通常会将一张WSI图像分为若干小切片进行训练。与其他领域相比，计算病理学必须面对与病理学数据性质相关的额外挑战。大型带注释的数据集的缺乏比其他领域更加严重。利用病理学数据集的特性，计算病理学的
2022-03-18 19:16:08
4166
原创 混淆矩阵相关概念
https://www.bilibili.com/video/BV1GV411C7AW?spm_id_from=333.999.0.0混淆矩阵混淆矩阵是评判模型结果的一种指标，属于模型评估的一部分，常用于评判分类器模型的优劣。每一列对应所属于该类的所有验证样本每一行对应预测属于该类的所有样本混淆矩阵可以比较直观的看出哪些类别预测效果好(差)TP：True PositiveFN：False NegativeFP：False PositiveTN：True Negative准确率 针对
2021-12-13 12:07:02
1915
原创 医疗影像的三大挑战
Class ImbalanceWeighted Losswp=numnegativenumtotalw_p = \frac{num_{negative}}{num_{total}} wp=numtotalnumnegativewn=numpositivenumtotalw_n = \frac{num_{positive}}{num_{total}} wn=numtotalnumpositiveResamplingMuilt-taskhttps://blog.csdn
2021-12-12 16:05:28
207
原创 Image与cv2
cv2图片打开与保存# 读取图片cv2.imread(image_path)# (图片存放路径，处理后的图片)，在保存时应注意加后缀（.jpg）cv2.imwrite(new_path, new_image)Image图片打开与保存# 读取图片image = Image.open(image_path)# 保存图片image.save("./results/image_save_20200509.jpg")cv2与Image的格式转换：（1）cv2转Imageimport cv2
2021-12-01 15:51:21
3030
原创 python类中的单下划线与双下划线
https://www.cnblogs.com/phpper/p/10618775.html我们先看个详细的例子(注意双下划线name和age定义为私有变量)：class Person(object): def __init__(self, name, age): self.__name = name self.__age = age def get_age_fun(self): return self.__age def set_ag
2021-11-20 10:39:05
1600
原创 数据预处理
1. 获得一批数据集，先把数据集转成能够处理的格式。对于mat数据集，可以用scipy处理，scipy处理不了的，用h5py进行处理2. 监督学习的，先将数据分好类，分别保存在各自文件夹下ImageFolder：Supported extensions are: .jpg, .jpeg, .png, .ppm, .bmp, .pgm, .tif, .tiff, .webp**3. cv2https://www.cnblogs.com/shizhengwen/p/8719062.htm
2021-11-20 10:28:31
1951
原创 warm up
Warmup是在ResNet论文中提到的一种学习率预热的方法，它在训练开始的时候先选择使用一个较小的学习率，在预热的小学习率下，模型可以慢慢趋于稳定,等模型相对稳定后再选择预先设置的学习率进行训练,使得模型收敛速度变得更快，再修改为预先设置的学习来进行训练。有助于减缓模型在初始阶段对mini-batch的提前过拟合现象，保持分布的平稳有助于保持模型深层的稳定性from torch.optim.lr_scheduler import _LRScheduler class WarmUpLR(_LR
2021-11-03 12:32:19
357
原创 pytorch四种学习率衰减策略
MultiStepLR()torch.optim.lr_scheduler.MultiStepLR(optimizer, milestones, gamma=0.1, last_epoch=-1)drop_after_epoch = [3, 5, 7]scheduler = optim.lr_scheduler.MultiStepLR(opti, milestones=drop_after_epoch, gamma=0.333, last_epoch=-1)说明：1）milestones为一个.
2021-10-28 19:27:08
1034
原创 torch.nn.init中常用的几种方法
从均匀分布U(a, b)中生成值，填充输入的张量或变量# 服从 U(a, b)torch.nn.init.uniform(tensor, a=0, b=1)w = torch.Tensor(3, 5)print nn.init.uniform(w)从给定均值和标准差的正态分布N(mean, std)中生成值，填充输入的张量或变量# 服从 N(mean,std)torch.nn.init.normal(tensor, mean=0, std=1)w = torch.Tensor(3, 5)
2021-09-26 16:09:32
1422
原创 吴恩达第二周编程作业补充
吴恩达第二周编程作业补充209表示训练集数量，64表示长宽，3表示RGB50表示测试集数量shape[0]，shape[1]，shape[2]，shape[3]1、测试集与训练集的划分：避免过拟合（在训练集表现的好，测试集表现的不好），在训练集上训练模型，在测试集上评估模型的泛化能力。预测值和实际值的差别用来衡量模型的预测性能。2、压缩像素org代表预处理，机器学习中一个常见的预处理步骤是对数据集进行居中和标准化，这意味着可以减去每个示例中整个numpy数组的平均值，然后将每个示例除以
2021-04-14 16:31:26
192
转载 吴恩达deeplearning.ai专项课程精炼笔记全部汇总
从去年8月份开始，AI界大IP吴恩达在coursera上开设了由5们课组成的深度学习专项课程，掀起了一股人工智能深度学习热潮。这里附上deeplearning.ai的官网： deeplearning.ai 关于该深度学习专项课程，本人非常推荐！它对于理解各种算法背后的原理非常有帮助，同时提供了大量的应用场景，涉及图像、语音、自然语言理解等各方面，还提供了一些工具函数、数据集。笔者在学习这5门课之际，也精心制作了每门课程及精炼笔记，把每节课的主要核心内容记录下来。现在所有的笔记都已完成。为了方便大家查..
2021-04-01 13:42:59
516
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