fcxgfdjy的博客

积攒了很多代码考完研正式整理再发准备在红薯上弄。

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。

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。

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。

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。

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

由上述推导得出结论：μMLE​N1​i1∑N​xi​σ2N−11​i1∑N​xi​−μ2。

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。

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。

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。

主要用于解决显卡内存不足的问题。梯度累积可以使用单卡实现增大batchsize的效果。

class01​​0.5y0.5≤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。

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。

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

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。

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。

（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。

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。

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。