1. TensorFlow 是谷歌基于DistBelief 进行研发的第二代人工智能学习系统,TensorFlow为张量从流图的一端流动到另一端的计算过程。TensorFlow是将复杂的数据结构传输至人工智能神经网络中进行分析和处理的系统。TensorFlow可被用于语音识别和图像识别等多种机器学习和深度学习领域 -------这段摘自百科
2. 现在Keras 框架底层默认使用TensorFlow。
Tensorflow可能不是最优的深度学习框架,但确是我最想了解和应用的。之后我要转去做医学影像处理,主要是针对MRI和CT采集回来的数据或是转换为DICOM的图像进行智能检测。应用TensorFlow需要有Python和机器学习基础;除了TensorFlow我还需要了解Python的科学计算库。
转载几篇文章:
/*TensorFlow 深度学习,一篇文章就够了*/
https://www.cnblogs.com/wangxiaocvpr/p/5902086.html
参考一下如下步骤
/*python将深度学习用于医学图像处理*/
http://www.aboutyun.com/thread-21839-1-1.html
需要准备了解的python库有:tensorflow, numpy,matplotlib, pydicom, scipy, pandas,opencv-python,keras.
需要了解的智能算法有:
卷积神经网络(CNN),递归神经网络(RNN),遗传算法等等 ,这个算法选择后续要结合实际的样本训练时候在选了,而各种算法的根本还是在于数学,所以微积分和线性代数,矩阵要重新拾起来;
需要了解的图像处理知识有:图像预处理,降噪,增强,检测,分类,识别。
/*以下内容没有什么逻辑性,完全是自己的一个随笔,写我个人关注的点,所以如果各位看到这篇博文,不喜欢请略过 或者参看博文:https://blog.csdn.net/xiongchao99/article/details/76150378*/
3. 数字图像处理研究的内容
图像的获取和输出;图像编码和压缩;图像增强与复原;图像的频域变换;图像信息安全;图像的区域分割;图像的目标识别;图像的几何变换
4. 图像处理方法分类:
输入 输出 级别 实例
图像 图像 初 降噪,增强对比度
图像 图像特征 中 轮廓提取
图像 图像表征的信息 高 模式识别,机器视觉
简单明确以下几个概念:
图像增强:分为空间域增强和频域增强,空间域就是图像本身,频域是指经过傅里叶变换过的信号。
灰度直方图:灰度直方图是横坐标为灰度级、纵坐标为像素个数的直方图,用于表示每个灰度范围的像素个数;直方图处理是图像空间域增强操作的一种。
彩色图像处理:
常用的颜色空间有RGB,YUV,HSI,HSV。。。。。。
5. 处理dicom数据我安装的lib list如下:
pip install numpy --user /*dicom中像素数据的处理*/
pip install matplotlib --user
pip install pandas --user
pip install tensorflow --user
pip install scipy --user
pip install opencv-python --user
pip install pydicom --user /* 解析dicom数据*/
pip install keras --user
pip install pillow --user
sudo apt-get install python-imaging
针对图形图像处理库的使用注意事项的一些说明:
pydicom 无法处理基于jpeg 存储的dicom文件。
非常感谢adma的优质分享:
https://pyscience.wordpress.com/2014/09/08/dicom-in-python-importing-medical-image-data-into-numpy-with-pydicom-and-vtk/