- 博客(98)
- 资源 (4)
- 收藏
- 关注
RSS订阅原创 LoadImage cannot find a suitable reader for file运用MONAI框架导入数据时存在的问题
我的图像格式是.dcm格式，这里显示没有MONAI安装的处理器安装上即可，尽量全部安装。
2024-02-27 21:24:40
625
原创 MRI图像N4偏置场校正原理及代码实现
由于扫描仪本身以及扫描过程中的偏差等因素，磁场出现变化，MRI扫描显示出强度不均匀，图像的某一部分在可视化时会显得更亮或更暗。这些信号强度的变化并不是由于解剖学差异导致，所以偏置场效应可能会对图像分析造成影响。因为我的数据偏置场效应不是很严重，处理之后效果不是很明显，左图为原图像，右图为偏置场效应处理后图像，可以看出像素均匀了。N3和N4偏置场校正算法是广泛采用的避免信号强度不均匀性的技术。我处理的是MRI图像数据，原格式是nii.gz。
2024-02-27 21:21:55
1486
原创 如何修改远程端服务器密钥
一段时间没改密码后，远程就会自动提示Ctrl+Alt+End键修改密码。但我电脑是笔记本，没有end键。打开屏幕键盘按这三个键也没用。
2024-02-06 22:51:04
915
原创 基于STC89C52的老人蓝牙跌倒报警器从电路到软件分析
电路板处于直立状态时（人处于直立状态时），绿色指示灯亮起，系统无报警，手机APP端界面显示“状态正常”。电路板倾倒时（人处于跌倒状态时），红色指示灯亮起，蜂鸣器报警，手机端界面出现红色字样提示“已经摔跤，需要救助”。若为误报警，可按下取消报警按钮，系统初始化，取消报警。
2024-02-01 22:10:40
464
原创 机器学习线性代数知识补充
线性代数知识补充正交矩阵与正交变换方阵特征值与特征向量相似矩阵对角化二次型正定二次型正交矩阵与正交变换方阵特征值与特征向量相似矩阵对角化二次型正定二次型
2023-11-14 21:47:44
239
原创 最大似然估计直观理解
当某人说他们有对均值，标准差，或其他东西的最大似然估计时，就可以知道他们找到了均值、标准差或其它使观察到事物的可能性最大的值。当然了，概率密度函数的选取很重要，模型正确，在样本区域无穷时，我们会得到较准确的估计值。我们先来看旧的数据分布，这种情况下，分布平均值与实际测量平均值不同。因此，观察到红框里面的数据的可能性很小。解决的办法，把估计完全未知的概率密度转化为估计参数。至此，我们已经找出均值的最大似然估计，我们还需要找出标准差的最大似然估计。我们根据分布中心的位置，绘制观测到数据的可能性。
2023-11-09 10:12:45
179
原创 更新暑假做过的项目（医学数据多标签分类与多标签分割，医学数据二分类）
暑假参与了两个项目，收获颇多。搭建网络有许多走过的弯路与经验，调参也是一个必要的技能，在这里想一并分享给大家我在项目中积累的经验和一些小技巧。PS：结合个人经验与网上经验，大家斟酌自取。下面的几个标题会在这几天整理发出来。
2023-10-17 20:03:58
459
原创 读取.nrrd和.dcm文件格式医学图片可视化与预处理
MITK默认会将医学图像保存为格式为NRRD的图像，在这个数据格式中包含：1、一个单个的数据头文件：为科学可视化和医学图像处理准确地表示N维度的栅格信息。2、既能分开又能合并的图像文件。nrrd_options输出{u’dimension’: 3, # 维度u’encoding’: ‘raw’, # 编码方式u’kinds’: [‘domain’, ‘domain’, ‘domain’], # 三个维度的类型u’sizes’: [30, 30, 30], #三个维度的大小。
2023-09-28 22:35:01
1570
原创 pytorch学习——第二个模型（逻辑回归）
class010.5y0.5≤y根据这个y的取值进行分类的，当取值小于0.5， 就判别为类别0， 大于0.5， 就判别为类别1自变量是X， 因变量是yywxb， 图像是一条直线。是分析自变量x和因变量y(标量)之间关系的方法。注意这里的线性是针对于w说的， 一个w只影响一个x。决策边界是一条直线：自变量是X， 因变量是y， 只不过这里的y变成了概率。yfwxbfx1e−x1图像也是一条直线。是分析自变量x。
2023-07-21 12:50:37
432
原创 心电前置放大电路制作与原理详细分析（附电路板实物图）
1、软件平台：Multisim仿真软件、EDA原理图绘制软件、医学电子学开发平台2、硬件平台：心电示教仪、示波器、信号发生器、除颤仪、电烙铁。
2023-07-19 20:17:22
3383
原创 pytorch学习--第一个模型（线性模型）
我们想通过随机初始化的参数ω,b\omega ,bω,b能在迭代过程中使预测值和目标值能无限接近y=ωx+by=\omega x+by=ωx+b构建模型利用pytorch中的nn.Module想要构建模型时，继承这个类即可一些重写nn.Module类时的注意事项（1）一般把网络中具有可学习参数的层（如全连接层、卷积层等）放在构造函数__init__()中；（2）一般把不具有可学习参数的层(如ReLU、dropout、BatchNormanation层)可放在构造函数中，也可不放在构造函数中，如
2023-07-19 19:57:20
1075
原创 心电图机原理及电路超详细讲解
前置心电放大电路（虚线框：这是隔离电路的分界，在隔离电路分析中知道，完整隔离包括信号隔离（脉宽调制）、控制信号隔离（光电耦合）和电源隔离）后级放大电路。
2023-06-25 18:25:23
9588
5
原创 数字图像处理—图像分割算法详解（边缘检测、阈值处理）
令R表示一幅图像占据的整个空间区域。图像分割：把R分为n个子区域R1,R2,…,Rn的过程，满足。
2023-05-21 22:58:46
4026
原创 直方图均衡化与规定化原理解释以及matlab实现
（1）因为直方图是概率密度函数的近似，而且均衡化过程中不产生新的灰度级，所以直方图均衡化很少得到完全平坦的结果；（2） 变换后灰度级减少，即出现灰度“简并”现象，造成一些灰度层次的损失。采用累积分布函数（CDF）作为HE变换函数。##备注：直方图规定化的代码后面有空再补充。的非归一化直方图定义为。（1）区间内单调递增。均衡化前后直方图比较。
2023-05-08 21:35:41
1037
原创 数字图像处理--matlab图像反转、对数变换、伽马变换、对比度拉伸详解和代码实现
邻域为1×1: Basic intensity transformation邻域n×n: 基于空间滤波的增强整幅图像的统计特性: 基于直方图的增强。
2023-05-04 11:41:39
8634
原创 基于MATLAB的CT滤波反投影算法的实验研究
2）对Shepp-Logan图平行束投影数据进行滤波反投影重建，别采用S-L与R-L滤波器进行滤波。1、利用”iradon”函数采用S-L与R-L滤波器进行滤波实现滤波反投影算法。1）对椭圆平行束投影数据进行滤波反投影重建，分别采用S-L与R-L滤波器进行滤波。实验四 滤波反投影算法的实验研究。2、利用FBP算法重建图像。
2023-04-30 14:37:07
1449
2
原创 基于MATLAB的CT直接反投影算法的实验研究
1、利用“iradon”函数进行直接反投影重建。2、采用本节推导出来的直接反投影算法进行重建。推导参考我的上一篇博客。
2023-04-30 14:34:45
660
原创 基于MATLAB的CT平行束投影数据的仿真
实验任务：用两种方法实现对SL头模型平行束投影数据的仿真计算，头模型图像大小为256*256，投影角度为0，1，。推导过程参考教材：医学断层图像重建仿真实验。
2023-04-30 14:33:11
773
原创 基于MATLAB的shepp-logan头部体模仿真
本实验对中心位置x0，中心位置y0，长轴a，短轴b，旋转角度fai，密度ρ做出改变。如上图所示，改变矩阵中的对应行列值即可改变模型中的参数。
2023-04-30 14:28:59
821
原创 MRI k空间概念整理
举例：SE序列：每一个TR（脉冲序列重复时间）填充k空间中的一条线，若要求256相位编码，则执行256次。·数据点与施加的不同场强有关（静磁场和梯度场的叠加）梯度场分为相位编码梯度场和频率编码梯度场。完全填充k空间一次的情况叫1NEX或1NAQ，当只有部分K空间填充时，叫做部分NEX。K空间为包含MR数据的阵列，也可定义为原始数据阵列相位编码轴和频率编码轴的交叉点。【一般要求至少有65%的k空间得以填充，对于大多数标准成像，要求填充全部k空间。·k空间每一数据点或数据线都包含着整个图像的信息。
2023-04-30 14:21:06
3289
原创 MRI 成像方法和脉冲序列整理
4） FSE 序列的有效 TE 时间的确定，通过找到 0相位编码步时得到回波的回波时间 TE，即为 TEeff（等效 TE）若 ETL 比较长（8-20 个），则 TEeff 比较大时，适合得到 T2W 加权像，若 ETL 比较短（2-6个），则 TEeff 比较小时，适合得到 T1W 加权像。进⾏相位编码，开启+Gr 梯度场，提前产⽣散相，经 180 度脉冲作⽤后，散相反转，可补偿第 4 阶段时频率编码梯度进⾏编码过程产⽣的散相（能够缩短 TE 时间）
2023-04-30 14:20:33
2085
原创 数字图像处理-matlab图像内插
最近邻内插简单但容易产生不想要的人为失真，如严重的直边失真。双线性内插的结构比最近邻结果好很多，由4个最近邻的像素得出，但计算量随之增大。复杂度最高的是双三次内插，由16个最近邻的像素得出，但花费时间会更久。
2023-04-30 14:14:53
2533
原创 CT剂量及描述方法详细介绍
CT 旋转一周，将平行与旋转轴（z 轴，即垂直于断层平面）的剂量分布 D (z) 沿 Z 轴从 -50mm 到 +50mm积分，除以层厚 T 与扫描断层数 N 的乘积。AEC的目的：AEC的目标是生成具有相对相似的噪声特征的图像，而不管患者的大小。1、在理想状态下，轴向剂量分布曲线和灵敏度剖面线（SSP）应当重叠，两条曲线均呈现高斯状，全值半高宽=层厚，此时不会产生由于半影效应而产生的剂量损失。不同的人体器官对X射线的敏感度不同 ，也就是说在射线覆盖范围一样时，对器官造成的辐射损失是不一样的。
2023-04-04 10:47:52
2307
原创 安装torch和opencv出现大面积报错红色代码Read timed out.的问题
之前安装torch的时候可以很快成功，最近在服务器上安装torch的时候出现大面积报错如图所示：最后一句显示readtimeouterror。
2023-03-20 22:40:21
1397
原创 Pytorch深度学习实战——第3章课后习题
1.从list(range(9))中创建一个张量a并预测检查其大小、偏移量、步长。a)使用b=a.view(3,3)创建一个张量，简述view()方法的功能，检查a,b是否共享同一个存储view()函数：并没有改变张量在内存中真正的形状，使用view函数后，通常会使得张量的数字在语义上是连续的，但在内存上是不连续的。在pytorch中view函数的作用为重构张量的维度，相当于numpy中resize的功能。
2022-12-29 15:12:35
1135
原创 机器学习——线性模型学习
但在训练时，OvR 的每个分类器均使用全部训练样例，而 OvO 的每个分类器仅用到两个类的样例，因此，在类别很多时， OvO 的训练时间开销通常比 OvR 更小 至于预测性能则取决于具体的数据分布，在多数情形下两者差不多。LDA 的思想非常朴素: 给定训练样例集，设法将样例投影到一条直线上，使得同样例的投影点尽可能接近、异类样例的投影点尽可能远离;在对新样本进行分类时，将其投影到同样的这条直线上，再根据投影点的位置来确定样本的类别。优点：特别需注意到，虽然它的名字是"回归"，但实际却是一种分类学习方法。
2022-12-27 21:29:17
1091
原创 外点法、内点法解约束问题matlab
*分析总结：**内点法总是从可行域的内点出发，并保持在可行域内部搜索，这种方法只适合用于不等式约束问题。其对于企图从内部穿越可行域边界的点在目标函数上加入相应的障碍，距离边界越近，障碍越大，在边界上给予无穷大的障碍，从而保障迭代一直在可行域中进行。**分析总结：**外点法可对违反约束的点在目标函数内加入相应的惩罚，而对可行点不予惩罚，此法的可行点一般在可行域外部移动。随着迭代次数增加，迭代点逐渐逼近最优点，惩罚函数值始终大于并逐渐接近原始目标函数值。惩罚项逐渐降低，迭代点在可行域外。
2022-12-01 22:57:57
5031
2
原创 pycharm如何链接anaconda环境
对于pycharm配置的python和anaconda内的python区别就是anaconda内自行安装了很多包，无需自行安装，比较方便。查看包file—>settings—>project。。。。AnacondaAnaconda(开源的Python包管理器)是一个python发行版，包含了conda、Python等180多个科学包及其依赖项。包含了大量的包，使用anaconda无需再去额外安装所需包。python3.5自带了一个解释器IDLE用来执行.py脚本，但是却不利于我们书写调试大量的代码。
2022-10-18 20:13:39
3344
1
原创 利用Gluon简洁实现线性回归——动手学深度学习笔记
当模型结构变得更复杂时，定义模型参数将变得更烦琐。其实，Gluon提供了⼤量预定义的层，这使我们只需关注使⽤哪些层来构造模型。下⾯将介绍如何使⽤Gluon更简洁地定义线性回归。首先，导入nn模块。该模块定义了大量神经网络的层。我们先定义⼀个模型变量net，它是⼀个Sequential实例。在Gluon中，Sequential实例可以看作是⼀个串联各个层的容器。在构造模型时，我们在该容器中依次添加层。当给定输⼊数据时，容器中的每⼀层将依次计算并将输出作为下⼀层的输入。
2022-10-17 22:06:58
395
原创 单片机原理指令系统习题超详细讲解
前面有标号代表此时地址1000H，PC本身没有地址，PC的内容为将要执行的下一条指令，且指令执行过程中，PC具有自动加1功能。（85H)+(20H)-85H+0AFH=134H，但A只能接受八位，所以选择低八位是34H。XCHD为半字节交换，OV是否为1看算出来的数换算成二进制后是否小于八位，若小于八位则OV=0。绝对转移指令：提供的11位地址去替换PC的低11位内容形成新的PC值。特殊功能寄存器只能用直接寻址，不能用寄存器间接寻址。被替换的PC值是本条指令地址加2后的PC值。DPTR外部数据存储器。
2022-09-28 20:46:39
1623
原创 80C51单片机指令寻址方式
*内存操作数：**指令要操作的数据存放在内存某些单元中，指令中给出内存单元物理地址（实际上指令只给出了偏移地址，段地址采用隐含方式给出，也可以使用跨段方式指出当前段地址）以程序计数器PC或数据指示器DPTR中的内容为基地址，加上累加器A（变址寄存器）中的内容作为操作数的地址。**立即操作数：**指令要操作的数据以常量的形式出现在指令中，称为立即数，它只能作为源操作数。**寄存器操作数：**指令要操作的数据存放在CPU中的寄存器里，指令中给出寄存器名即可。寄存器中是操作数的地址，而不是操作数本身。
2022-09-05 17:07:31
1498
原创 matplotlib.hist函数输入参数解释
n:直方图向量，是否归一化由参数normed设定。当normed取默认值时，n即为直方图各组内元素的数量（各组频数）histtype: 直方图类型，‘bar’, ‘barstacked’, ‘step’, ‘stepfilled’x: 作直方图所要用的数据，必须是一维数组。多维数组可以先进行扁平化再作图。normed: 是否将得到的直方图向量归一化。bins: 直方图的柱数，默认为10。edgecolor: 直方图边框颜色。bins: 返回各个bin的区间范围。facecolor: 直方图颜色。
2022-09-02 19:31:27
525
原创 随机梯度下降分析以及画图实现
偏导实现梯度下降，梯度指的方向是各点函数值下降最多的方向，可用梯度寻找loss函数最小值从图中可看出通过梯度下降，最终值无限接近于0。我们接下来看学习率过大和过小的结果。上图为所示的20个值可以发现学习率过大会发散，学习率过小会基本没更新就结束了。发散的非常夸张，中间那个点是没有梯度下降的初始点。...
2022-08-17 20:30:23
466
原创 numpy入门详细代码
numpy的核心特征就是n维数组对象——ndarray。可以把它理解为python中一个快速、灵活的大型数据集容器。zeros创造全0数组，ones创造全1数组，empty创造无初始值的数组。meshgrid函数接收两个一维数组，并转化为二维矩阵。where函数可根据True或者False值进行数组替换。数组具有dtype属性与shape属性。以下代码我均用jupyter演示。上面内容比较简单，下面讲切片。这一块比较简单，不详细介绍。索引举例，按行列寻找理解即可。显示转换astype。...
2022-08-04 09:41:58
622
原创 解决dataset.mnist无法加载进去的情况
可以看到现在已经没有错误提示了。第一次调用load_mnist函数时，需要接入网络，第二次之后调用读入pickle文件即可。我在CSDN上找了很久没有具体的解决办法，后面我根据《深度学习入门基于python的理论和实现》样例代码才找到解决方法。在正常输入代码时，有无法加载入这个模块的问题。将dataset文件放入你工程文件的目录下。再为导入父目录中的文件进行设定。OK首先，进入网址下载文件。##显示MNIST图像。...
2022-08-02 09:04:23
1828
4
原创 pytorch官网中如何选择以及后面的安装和pycharm测试步骤
像我的是AMD类型不支持CUDA，所以选择CPU，再运行下面的这串代码condainstallpytorchtorchvisiontorchaudiocpuonly-cpytorch。选择file-----settings----pythoninterpreter-----小齿轮-----add-----然后如下图所示。以下代码可以测试，但注意我们下载的是cpu版本的，不是CUDA版本，所以后面两行代码是不能达到理想运行成果的。前面的安装步骤很容易搜到，这里就不赘述。下载完成显示done。......
2022-07-26 12:54:46
541
基于STC89C52的老人蓝牙跌倒报警器程序代码
2024-02-01
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人