mvpboy123的博客

diocm复制数据

已知三个面方程求交点坐标

旋转数据

批量比较两个dcm文件，有何差异

在这里插入代码片```import osimport pydicomimport pandas as pdimport xlwtDataRootPath = r"C:\Users\Desktop\DicomTest"# SaveCsvPath = "C:\\PersonalDocument1\\TemporaryMaterial\\test.csv"df = pd.DataFrame()NewPath = ""def ReadDcmTagVal(dcm, attr1, attr2)

import jsonimport ospath print(‘hello’)@TOC欢迎使用Markdown编辑器你好！ 这是你第一次使用 Markdown编辑器 所展示的欢迎页。如果你想学习如何使用Markdown编辑器, 可以仔细阅读这篇文章，了解一下Markdown的基本语法知识。新的改变我们对Markdown编辑器进行了一些功能拓展与语法支持，除了标准的Markdown编辑器功能，我们增加了如下几点新功能，帮助你用它写博客：全新的界面设计 ，将会带来全新的写作体验；在创作中心设置

import osimport openpyxl #需要pipdef getfilelist(dir,file_out,sheet_out): filelist = os.listdir(dir) #获取文件名，存入列表 xlsx = openpyxl.load_workbook(file_out) # 打开输出文件 sheet = xlsx.worksheets[sheet_out] # 打开指定输入sheet n=1 for i in filelist

import filecmpfilecmp.cmp(r'C:\Users\\Desktop\binary\nnunet.bin',r'C:\Users\Desktop\binary\nnunet-out1.bin')import numpy as npa = np.loadtxt(r'C:\Users\320133514\Desktop\k3-1.txt')b = numpy.reshape(a,(24,320,320))print(b)

vs2019 c++ 缺省的安装是没有MFC项目模板的，需要安装MFC项目模板。step 1： open vs installerstep 2：勾选 MFC选择框更新下载后重新打开vs2019step 3：可以看到vs里新添加了MFC相关的项目菜单选择 MFC APP...

import SimpleITK as sitkimport osfolderPath = r'C:\Users\Desktop\lung_data\dicom'outputPath = r'C:\Users\\Desktop\lung_data\1'num = 371 #编码起始for i in os.listdir(folderPath): file = os.path.join(folderPath, i) for folder in os.listdir(file):

import SimpleITK as sitk# Dicom序列所在文件夹路径（在我们的实验中，该文件夹下有多个dcm序列，混合在一起）file_path = "/data/jianjunming/BEOT/BEOT_1st/B/B13-5219998/"# 获取该文件下的所有序列ID，每个序列对应一个ID， 返回的series_IDs为一个列表series_IDs = sitk.ImageSeriesReader.GetGDCMSeriesIDs(file_path)# 查看该文件夹下的

import osimport openpyxl #需要pipdef getfilelist(dir,file_out,sheet_out):filelist = os.listdir(dir) #获取文件名，存入列表xlsx = openpyxl.load_workbook(file_out) # 打开输出文件sheet = xlsx.worksheets[sheet_out] # 打开指定输入sheetn=1for i in filelist:sheet.cell(row=n, c

rm -f /tmp/iou.txtcd /home/chenhy/graudation_study/model_result/setup1/CCT_320for i in ls -1 *.png;dogroundtruth=’/home/chenhy/graudation_study/model_result/setup1/label’;EvaluateSegmentation groundtruth/{groundtruth}/groundtruth/i $i -use JACRD |grep

import os# 输入文件夹地址path = "/home/zhengsc/Desktop/3DUNet-Pytorch/dataset/label"files = os.listdir(path)# 输出所有文件名，只是为了看一下for file in files: print(file)# 获取旧名和新名i = 0for file in files: # old 旧名称的信息 old = path + os.sep + files[i] # ne

import os输入文件夹地址path = “/home/zhengsc/Desktop/AUG/output”files = os.listdir(path)输出所有文件名，只是为了看一下for file in files:print(file)获取旧名和新名i = 0for file in files:# old 旧名称的信息old = path + os.sep + files[i]# new是新名称的信息，这里的操作是删除了的’_mask’new = path + os.

import jsonimport ospath =’/home/xxx/dataset.json’ ：生成json文件位置name = os.listdir(’/homexxx/imagesTr’) ：imageTr位置name_test = os.listdir(’/home/xxx/imagesTs’) ;imagesTs位置with open(path, “w+”, encoding=“utf-8”) as f:f.write(’{\n’)f.write(’“name

import osfrom PIL import Imagedef save_resize_img(img_path, img_path_train, width, height):for i in os.listdir(img_path):image = os.path.join(img_path, i)img = Image.open(image)img = img.resize((width, height), Image.ANTIALIAS)img.save(img_path_trai

import shutilimport globpath = "/home/zhengsc/Desktop/AUG/output/"img_path = glob.glob(path+"/*.png")for i in range(10000): print(i) data_path = "/home/zhengsc/Desktop/AUG/data/"+img_path[i][33:] new_path = "/home/zhengsc/Desktop/AUG/data

import globimport osimport shutilimg_path = '/home/zhengsc/Desktop/double_up_res_aspp/Dataset/Linear_lesion/mask/f2/'new_path1 = '/home/zhengsc/Desktop/huidu/2/'# new_path2 = '/home/zhengsc/Desktop/huidu/2/'img = glob.glob(img_path+'*.png')# print(i

import cv2import numpy as npimport globimg_path = '/home/zhengsc/Desktop/double_up_res_aspp/Dataset/Linear_lesion/img/f2/'new_path1 = '/home/zhengsc/Desktop/huidu/CLAHE/'new_path2 = '/home/zhengsc/Desktop/huidu/1/'img = glob.glob(img_path+'*.png')#

while True:try:def gcd(m,n):if n==0:return mreturn gcd(n,m%n)i=raw_input().split()x=int(i[0])y=int(i[1]) print x*y/gcd(x,y)except: break

根据train_label，将data中与label相对应的数据输出到train_data39是path的字符串个数，6248是文件个数import osimport os.pathimport shutilimport globpath = "C:/Users/User/Desktop/colon/train_label/"img_path = glob.glob(path+"/*.png")for i in range(6248): # print(img_path[i][39

class Solution(object):def moveZeroes(self, nums):for i in range(len(nums))[::-1]:if nums[i] == 0: #若该元素为0删除该元素nums.pop(i) #末尾补0nums.append(0)print(nums)s=Solution()s.moveZeroes([0,1,3,4,0])

import osfrom PIL import Imagedef save_resize_img(img_path, img_path_train, width, height):#(数据存放路径，保留数据路径，改变的宽，高) for i in os.listdir(img_path): image = os.path.join(img_path, i) img = Image.open(image) img = img.resize((wi

在b文件夹中寻找与a文件夹中对应的数据，并输出到c文件夹import osimport os.pathimport shutilimport globpath = "C:/Users/User\Desktop/UNetSCB1/train_label1/"img_path = glob.glob(path+"/*.png")for i in range(859): # print(img_path[i][44:]) print(i) data_path = "C:/U

import osdef create(addr):for i in range(1,108):#范围是你需要的数字范围，我创建的是名为1~107的文件夹os.makedirs(addr+’/’+str(i))#str(i)前后可加你需要的前缀和后缀addr = r’C:\Users\User\Desktop\tar-png’#你需要创建文件夹的目录create(addr)...

我有100多个病人数据，每个病人又有10-40张不等的切片数量，所以我要在每个切片加入每个病人编号。我要把所有病人数据放在一起。变成这样import osimport os.pathimport shutilimport globrootdir = "C:/Users/User/Desktop/UNet/"new_root = "C:/Users/User\Desktop/UNet/train_label/"for idx in range(107): path = o

terminal运行gpustat -cupP -i实时监控那些GPU有运行程序goustat查看更直观nivdia-smi可以查看pid

用conda创建环境时遇到Segmentation fault (core dumped)使用 conda clean -i 清除未下载完成的缓存，之后在建立环境ondaHTTPError: HTTP 000 CONNECTION FAILED for url https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main/linux-64/python-3.6.10-h7579374_2.condaElapsed: -An HTTP error oc

RuntimeError: Could not find a task with the ID 100. Make sure the requested task ID exists and that nnU-Net knows where raw and preprocessed data are located (see Documentation - Installation).在运行nnunet时不知道为什么Task100_Colon，会跑到nnUNet_raw_data外面，只能把Task100

import osimport reimport sys#labels_path="/home/chenhy/Desktop/Task06_pupil/labelsTr/"image_path="/home/zhengsc/Desktop/123/imagesTr/"test_path="/home/zhengsc/Desktop/123/imagesTs/"fileList=os.listdir(test_path) ：改test时注释train，相反i=0for fileName i

用于读取医学数据，nii格式。英文比较好的，有代码基础的可以直接看官网使用说明。官方的网址如下：https://nipy.org/nibabel/nibabel_images.html#the-image-object安装pip install nibabel导入import nibabel as nib简单的例子`import osimport nibabel as nib读取图像path=‘C:\Users\Darren\Desktop\example.nii.gz’img=