- 博客(626)
- 收藏
- 关注
RSS订阅
原创 百度7天GNN学习-环境搭建
win10环境搭建#添加源pip config set global.index-url https://mirrors.aliyun.com/pypi/simple#创建环境+安装库conda create -n pgl python=3.6conda activate pglpip install pgl#下载代码f:cd F:\codegit clone https://github.com/PaddlePaddle/PGL.git【发现有了代码】【运行】
2021-01-06 14:37:36
690
原创 服务器环境配置
目录1、Anaconda安装配置2 虚拟环境配置搭建pyg环境离线安装dgl环境在线安装1、Anaconda安装配置去官网找自己想下载的安装包mkdir software #存放安装包cd softwarewget https://repo.anaconda.com/archive/Anaconda3-2020.11-Linux-x86_64.shbash Anaconda3-2020.11-Linux-x86_64.sh#安装过程中一路yes和enter即可
2021-01-06 13:24:34
437
原创 win10下官方dgl之gcn代码成功运行
环境搭建本地（创建虚拟环境的时候最好不要指定自以为的Python版本，要安装代码说明的，要不然出错了也不知道哪里出了问题）#安装Anahttps://zhuanlan.zhihu.com/p/75717350 安装参考（尤其里面添加镜像，下载贼快）https://www.cnblogs.com/tianlang25/p/12433025.html （镜像注意）https://blog.csdn.net/weixin_40431584/article/details/103914584 出现问题
2021-01-05 16:02:28
1027
2
原创 win10下pyg之gcn代码成功运行
环境搭建本人是基于anaconda创建虚拟环境pyg并安装torch个pyg相关包，安装见代码运行本人代码运行使用的是pycharm，安装很简单，可以自行搜索，安装好后进行下面3个步骤代码准备直接去pyg官方git下载源代码,然后解压解析器选择因为虚拟环境和pycharm已经准备好，因此打开pycharm-文件-open-选择解压后的代码文件见下,选择解析器，具体见本人的另一篇博客解析器选择打开examples里面很多模型代码，找到下面的gcn.py代码，右击open i
2020-12-23 14:30:50
1869
2
原创 win10下pyg离线安装
目录安装pytorch安装pyg其他依赖的包验证由于pyg在线安装各种bug出现，也不易找到原由，因此准备尝试whl安装安装pytorch离线在线都可以，可以参考本文上篇文章进行安装安装pyg其他依赖的包由于依赖的包需要和第一步安装的torch版本对应起来，因此需要先查看版本然后进入链接https://pytorch-geometric.com/whl/选择红框圈住的，进去后根据自己的系统mac/linux/win以及python版本进行选择下载本文下载的是以
2020-12-22 20:48:34
611
原创 pytorch在线安装和离线whl安装
在线安装首先进入pytorch官网找到想要安装的版本所对应的命令，如下图所示，直接复制安装即可，但是这里都是最新的https://pytorch.org/如果想要旧版本则可以看到下面有一个之前版本的链接，点进去就可以看到之前的各种版本对应的安装命令，一定要看清楚是mac、win还是linux系统由于发现常用的都是pytorch1.6，所以本人以pytorch1.6在win10下的安装为例：首先选择1.6下基于win系统下的cuda10.2版本（因为常见，所以选的这个）打开
2020-12-22 20:00:41
2596
原创 GNN的一些总结
转载dongZheX目录1.为什么我们需要图神经网络：2.图神经网络发展的一些历史3. Basic Model4. Analysis5 Efficiency6.Pooling7.About Experiment8.GNN领域中的一些问题：最近在接触图神经网络这块，因此目前我还是个搬运工，学习各位大佬的总结，希望之后我可以自己写一些总结。大佬主要借鉴论文...
2020-04-29 22:33:59
6140
4
转载 【图嵌入总结报告-简介1】
来自| 知乎作者丨张小磊来源丨https://zhuanlan.zhihu.com/p/32504175目录2摘要3社交网络分析现状4网络表示学习概念5网络表示学习分类及代表方法1. Locally Linear Embedding2. Laplace Eigenmaps3. Graph Factorization...
2020-04-29 16:18:30
1464
原创 Window下 python3.7 遇到的各种bug解决
1NameError: name 'os' is not defined只需代码开头加上：import os 问题就可以得到解决，但是有时写上去还是不管用，或许改变个位置就成功了，别问我为什么，我自己也很迷（使用的是python3，灰色部分maybe表示此处应该使用python3导入的方法）2Cannot import tensorflowpython2没有，要使用pyt...
2019-04-18 14:15:02
1660
原创 机器学习实战Ch02_k近邻算法的运行
1 算法概述1.1 算法特点简单地说，k-近邻算法采用测量不同特征值之间的距离方法进行分类。优点：精度高、对异常值不敏感、无数据输入假定缺点：计算复杂度高、空间复杂度高适用数据范围：数值型和标称型1.2 工作原理存在一个训练样本集，并且每个样本都存在标签（有监督学习）。输入没有标签的新样本数据后，将新数据的每个特征与样本集中数据对应的特征进行
2017-11-14 14:56:41
709
原创 【AIDD】2023 Nature Communications IgFold Fast, accurate antibody structure prediction from deep learn
今天为大家介绍的是来自约翰霍普金斯大学的一篇抗体结构预测的论文。抗体能够结合多种多样的抗原，已成为关键的治疗诊断分子。抗体的结合通过一组经过基因重组和突变的六个高度可变环来促进。尽管取得了最近的进展，但这些环的精确结构预测仍然具有挑战性。本文介绍了IgFold，一种用于抗体结构预测的快速深度学习方法。IgFold由一个在5.58亿个天然抗体序列上进行预训练的语言模型组成，然后通过图网络直接预测骨架原子坐标。
2025-04-02 15:08:18
410
原创 【AIDD】2022 ICML Pocket2Mol: Efficient Molecular Sampling Based on 3D Protein Pockets
论文题目：Pocket2Mol: Efficient Molecular Sampling Based on 3D Protein PocketsPocket2Mol：基于 3D 蛋白质口袋的高效分子采样论文信息：2022 ICML作者团队：北京大学马剑竹（后面跳槽到了清华智能产业研究院）+彭健马剑竹-清华大学智能产业研究院近年来，深度生成模型在设计新型药物分子方面取得了巨大成功。一系列新的研究表明，通过考虑蛋白质口袋的结构，在提高计算机辅助药物设计的特异性和成功率方面具有巨大潜力。
2025-04-01 15:28:09
151
原创 【AIDD】2023 ICLR targetdiff 3D Equivariant Diffusion for Target-Aware Molecule Generation & Affinity
论文标题：3D Equivariant Diffusion for Target-Aware Molecule Generation and Affinity Prediction基于三维等变扩散的靶点感知分子生成与亲和力预测论文信息：2023 ICLR马剑竹-清华大学智能产业研究院在靶向药物设计过程中包含3D结构显示出优于其他无靶模型的性能。然而，当前的针对靶标的3D模型要么依赖于原子体素化的网格信息，要么依赖于自回归采样过程。同时由于存在旋转不等变问题，这些方案容易违反几何约束，导致结构不真实。
2025-03-31 09:54:25
106
原创 【AIDD】2024 Nature Computational Science DiffSBDD Structure-based drug design with equivariant
论文标题：Structure-based drug design with equivariant diffusion models作者团队：瑞士洛桑联邦理工学院（EPFL），英国剑桥大学，美国康奈尔大学基于结构的药物设计(Structure-based drug design，SBDD旨在设计能够与预定蛋白质靶点高亲和力和高特异性结合的小分子配体。生成式SBDD方法利用药物与其蛋白质靶点的结构数据来提出新的药物候选物。
2025-03-28 10:50:42
629
原创 【AIDD】2021 Nature Communications CAMP A deep-learning framework for multi-level peptide–protein
论文题目：A deep-learning framework for multi-level peptide–protein interaction prediction发表期刊：2021 Nature Communications曾坚阳-西湖大学交叉科学中心官网肽 - 蛋白质相互作用参与多种基本细胞功能，识别这类相互作用对于设计有效的肽类疗法至关重要。近年来，人们开发了许多计算方法来预测肽 - 蛋白质相互作用。然而，现有的大多数预测方法严重依赖高分辨率结构数据。在本文中，我们提。
2025-03-27 10:49:21
537
原创 【Graph vs Transformer】Transformer是GNN的一种特例
最近研读Transformer后，发现和GNN极其相似，于是开始调研他们之间的关系(对Transformer熟悉的可以直接跳过这一部分阅读)(对GNN熟悉的可以直接跳过这一部分阅读)
2025-01-15 09:23:23
286
原创 【AIDD】AlphaFold初认识
AlphaFold系列：一文读懂AF1-3核心技术 - 知乎自DeepMind开发的AlphaFold问世以来，它迅速成为生命科学领域最引人注目的创新之一。从精确预测蛋白质的三维结构，到探索DNA、RNA的复杂构象，AlphaFold的影响已经超越了科学界，其技术突破正在加速基础研究、推动药物开发，并重新定义人类对生命分子基础的理解。那么，AlphaFold的核心技术是什么？它有哪些突破和局限？未来又将走向何方？让我们通过AlphaFold专题文章来走进。
2025-01-14 16:07:35
281
原创 【AIDD初认识】人工智能药物发现小白入门指南
想对AIDD进行一个简单的认识，找到一个专业的分析报告，即Deep Pharma Intelligence (DPI)是一家市场分析机构，定期发布关于制药和医疗保健行业高潜力领域的分析报告。随着人工智能（AI）的飞速发展，AIDD（AI驱动的药物设计）正成为热点话题，许多人开始相信它能彻底颠覆传统的CADD（计算机辅助药物设计但我们真的应该盲目追捧这个新兴技术吗？AI是否真有能力取代那些经过多年验证的药物设计方法？
2025-01-14 09:12:17
1043
原创 【AIDD药物研发】张载熙-生成式AI4药物发现
最近需要简单了解喜爱AIDD流程以及相关进展调研，看到zaixi zhang正在做相关研究，进行下面的学习记录张载熙中国科学技术大学计算机科学与技术学院2021级博士生（导师刘淇教授），认知智能全国重点实验成员，本科毕业于中国科学技术大学少年班学院。博士阶段研究方向是AI for Science和可信可解释机器学习，以第一作者身份发表CCF-A学术论文9篇，多次获得会议亮点论文(Spotlight)，相关成果已被国际同行引用近900次，引用者包括图灵奖得主Yann LeCun等著名学者。
2025-01-13 20:21:59
210
原创 【Diffusion】Denoising Diffusion Probabilistic Models (DDPM)小白入门指南
DiffusionModel的基本概念影像生成系统的应用DALL-EImagenDiffusionModel的运作原理生成图片的步骤从高斯分布中采样噪声向量使用Denoise模块逐步去噪从噪声到清晰图片的过程类比米开朗基罗的雕像创作Denoise模型的详细说明反复使用同一个Denoise模型额外输入噪声严重程度数值Denoise模型的内部结构NoisePredictor的作用预测并减去噪声NoisePredictor的训练方法人为创造训练数据。
2025-01-08 09:51:50
709
原创 【Transformer】小白入门指南
Transformer是起源于NLP领域，然后在图像、视频、声音等领域都得到了广泛应用的基础架构，是继MLP、CNN、RNN’后的公认的第四大基础模型结构。Transformer技术凭借其卓越的表现和广泛的应用前景，已经成为了机器学习领域的一个关键技术。自从2017年Google提出》一文以来，Transformer架构的出现彻底改变了机器学习和深度学习的格局，尤其是在处理语言模型、生成模型以及多模态学习等领域，Transformer几乎成为了不可或缺的技术基石。
2025-01-07 14:48:44
1451
原创 【24年GPT发展小结和展望】2024年AI盘点：投资高歌猛进、基础设施重构、技术采用加速
本文全面分析了今年AI的发展，包含AI技术栈的基础设施层、基础模型层、应用层、工具层，尤其是各个层面的主要收获、值得关注的趋势与值得关注的初创公司。此外，本文还概括了AI领域的投资和并购情况，以及其他AI趋势。需要指出的是，可能限于作者KelvinMu的关注重心，本文除了对中国基础模型的介绍，没有更多关于中国AI其他技术栈的进展。不过，这并不妨碍本文仍是我们了解2024年AI产业全局的绝佳文本。
2025-01-07 14:39:56
225
原创 2024 Nature Medicine MINIM 生成式AI4医学影像人工智能模型
在许多临床和研究环境中，高质量医学影像数据集的稀缺阻碍了人工智能（AI）临床应用的潜力。在较不常见的病症、代表性不足的人群和新兴成像模式中，这个问题尤为突出，因为多样化和全面的数据集往往不足。为了应对这一挑战，我们引入了一个名为 MINIM 的统一医学图像 - 文本生成模型，该模型能够根据文本指令合成各种器官在不同成像模式下的医学图像。临床医生的评估和严格的客观测量验证了 MINIM 合成图像的高质量。
2024-12-24 10:06:01
1621
原创 【工具】自动生成AI PPT的神器
GPT模型的发展，使得我们不得不重视如何利用并使用大模型工具，来辅助我们生活中常见的应用，本文主要是总结和汇总常见的几种自动生成PPT的神器工具们er。
2024-12-20 11:12:30
536
原创 【工具】即将举办的国际学术会议搜索神器
想认识更多的大佬吗？想学到更多前沿知识吗？那就需要参加相关学术会议，也就是需要搞定：如何搜索国际学术会议的相关信息？哪些平台可以查找学术会议？
2024-12-20 09:46:30
1053
原创 【医学影像】学前基础（团队、资源等）
在做任何研究之前，都要对领域内大牛团队，相关学习基础进行一定的了解，于是下面是总结了大牛+数据集+代码快速浏览+期刊会议了解。
2024-12-19 13:17:59
5525
原创 BrainGB: A benchmark for brain network analysis with graph neural networks
最近在调研GNN4Brain相关研究，关注到BrainGB这篇工作，于是进行研读。利用结构或功能连接性绘制人类大脑连接组已成为神经成像分析中最普遍的范式之一。近年来，受几何深度学习启发的图神经网络（Graph Neural Networks，GNNs）因其在建模复杂网络数据方面的卓越能力而备受关注。尽管它们在许多领域表现优异，但对于如何设计有效的用于脑网络分析的 GNNs，仍缺乏系统性研究。为填补这一空白，我们提出了 BrainGB，一个用于图神经网络脑网络分析的基准。
2024-12-11 11:40:42
1661
原创 【综述】AI4肺癌-研究现状和趋势
最近在了解肺癌的研究进展，尤其是AI4肺癌（综述），调研结果如下关键词：人工智能；肺癌诊断；自然语言处理；机器学习与深度学习；精准肿瘤学肺癌是全球发病率和死亡率最高的恶性肿瘤之一。肺癌总体五年生存率相对低于许多主要癌症。肺癌的早期诊断和预后对于提高患者生存率至关重要。随着人工智能（AI）方法在肺癌中的广泛应用，近年来早期诊断和预测取得了出色表现。本综述总结了各类 AI 算法在肺癌中的应用，包括自然语言处理（NLP）、机器学习与深度学习以及强化学习。
2024-12-09 15:29:39
1895
原创 【3D Slicer】的小白入门使用指南十
分割编辑器模块提供构建肿瘤区域3D模型的工具SlicerDMRI解决方案使得在周边区域进行白质纤维的3D交互式重建成为可能。
2024-11-15 14:08:27
980
原创 【3D Slicer】的小白入门使用指南九
定量成像教程定量成像是从医学影像中提取定量测量的过程。本教程基于两个定量成像的例子构建：- 形态学：缓慢生长肿瘤中的小体积变化- 功能：鳞状细胞癌中的代谢活动第1部分：使用变化跟踪模块测量脑膜瘤的小体积变化第2部分：使用PET标准摄取值计算模块测量鳞状细胞癌的代谢活动课程数据位于目录：/QuantitativeImaging- dataset1_MR_Head（头部MR数据集）- dataset2_ChangeTracker（变化跟踪数据集）
2024-11-15 10:41:36
1421
原创 【3D Slicer】的小白入门使用指南八
大脑解剖● 白质约占大脑的 45%● 有髓神经纤维（大约10微米轴突直径）白质探索朱尔斯·约瑟夫·德杰林（Jules Joseph Dejerine，《神经中心解剖学》（巴黎，1890-1901）：基于髓磷脂染色标本的神经解剖图谱）扩散张量成像（DTI）扩散加权成像（DWI）纤维束成像教程大纲本教程是对扩散MRI分析基础的介绍，从扩散张量的估计到纤维束的交互式3D可视化。教程数据集。
2024-11-14 16:03:53
1195
原创 【3D Slicer】的小白入门使用指南七
● 这个配准教程展示了如何在Slicer内执行个体内部和个体间的配准。● 作者：Sonia Pujol博士，Dominik Meier博士，Ron Kikinis医学博士。● 受众：对图像配准感兴趣的用户和开发者。● 数据集：3D Slicer配准数据。● 基于：3D Slicer版本4.8；与Slicer 4.10兼容。
2024-11-14 13:03:45
1322
原创 【3D Slicer】的小白入门使用指南六
对于着色不对的位置，进行重新调整：点击菜单栏处的黄色十字架+选中左侧的segmentation+选中需要绘制模块的颜色（蓝色）+点击paint，在右侧3D区域操作得到（需要注意的是，操作的区域左下角最底部会显示该segment部分是啥）选中不同的color对应的心脏位置区域后，点击paint就对心脏不同位置，填充不同的颜色框在相应的位置进行着色（这个过程中可以通过移动滑块来帮助自己找到对应的区域）右侧移动滑块+移动边框，移动位置找到自己关注的区域即可，然后点击apply(其他参数也要设置的和图片一致）
2024-11-13 15:35:00
453
原创 【3D Slicer】的小白入门使用指南五
本教程演示了在Slicer的新分割编辑器模块中进行分割，以3D打印为目的。国家医学影像计算联盟作用举例：创建的脊柱模型的临床应用学习资料分割编辑器模块。
2024-11-13 14:20:18
1264
原创 【3D Slicer】的小白入门使用指南四
● 开放解剖（OA）浏览器是由神经影像分析中心开发的，基于网络浏览器技术构建的图谱查看器。● OA浏览器将解剖模型和分割图像与语义信息结合起来。本教程提供了对OA浏览器技术的介绍。本教程中的示例基于SPL/NAC大脑图谱。教程大纲第一部分：访问OA浏览器图谱第二部分：查看和与3D模型及分割图像交互第三部分：导航解剖层次结构。
2024-11-13 10:53:47
954
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