步履不停

线性调频Z变换CZT概念与傅里叶变换FT的区别关于CZT的加速运算(FFT代替卷积)一维CZT二维CZT概念线性调频变换，是一种广义的傅里叶变换，在1969年被提出，通常用于处理时序信号的频谱或时域信息，能细化感兴趣区间的信息。与傅里叶变换FT的区别首先从公式上进行分析，设xxx为时序信号，FT的公式关于CZT的加速运算(FFT代替卷积)一维CZT二维CZT...

自从4月份成功部署模型，实现自动分割算法落地应用后，便马不停蹄地致力于改进网络，提高分割精度，期间学习并复现了几种网络与实现了三维体数据的DataLoader和Cropping，记录一下以便不时之需；BraTS2018-No.1网络结构编码路径-卷积块解码路径--卷积块下采样Trick: VAE实现网络结构首先BraTS2018第一名方案的backbone与CNN类似，不同的是加入了decoder和VAE路径，前者结合Unet的skip concat作解码，还原到与原图像size相等的patch后，在

根据项目组要求，最近用Pytorch完成了U-net训练BraTS2019数据的任务，输出模型并在C++上重现部署，简单说说我遇到的坑，可按目录浏览：libtorch中大大小小的坑：- 模型转换问题- tensor是nan的值- 输出结果只有部分的一块- 模型转换问题步骤1：先在pytorch验证你的模型(.pth)是否能够重现结果，一般来讲都可以成功复原的，这一步很重要，在C++上重现时最...

背景：用Unet训练了脑肿瘤分割模型，导出了pytorch中的模型与参数.pth文件。目的：将.pth文件应用于C++中，形成分割功能，移植到实验室成员一同开发医学图像软件中。环境配置：pytorch 1.3 + libtorch 1.3 + VS 2015 + ITK 4.13 + cmake 3.12ITK 4.13与VS2015的配置方法可以在我另一篇文档或在社区中寻找配置方法，这里不...

研二了，第一次用深度学习做分割，感觉自己落伍了好多，方向是图像处理，却一直在用传统法拼拼凑凑，同学都说深度学习要发文章得有好的数学基础，自知数学基础差的情况下还是要接触一下的，毕竟万事开头难，不学习就永远不会，那么闲话不多说，记录一下自己的学习过程。（环境=py3.7+pytorch+spyder）首先根据前人经验先搭建网络，下图是Unet的网络结构图：观察到conv操作蛮多的，不管是下采...

本文给出一种自己用python处理深度学习医学图像的步骤与思路；首先本文用DenseNet+UNet的模型做脑组织分割，主要分割对象包括脑脊液、脑白质、脑灰质和背景，一共四类，训练完成进行测试，生成.bin二进制文件；然后要对这个二进制文件进行处理：import nibabel as nibimport matplotlib as ptlimport osimport numpy as...