- 博客(5)
- 收藏
- 关注
RSS订阅原创 医学图像
1. 3D坐标转换3D的医学图像（如CT+MRI）往往是根据扫描仪测量的数据转换而来。CT数据的坐标都是基于CT扫描仪的，坐标系（世界坐标系）单位为mm，每个病例的 原点origin 和 体素间距voxel 都不一样。但是在图像坐标系下，原点坐标统一为（0，0，0），体素间距为 1 。那么如何将CT数据坐标转换到图像坐标呢？通过计算CT坐标系下结节位置在原点的相对位置，可以计算出真实坐标系下结...
2019-10-01 09:14:43
915
1
原创 贝叶斯分析之利用线性回归模型理解并预测数据（三）
这一节主要讲多元线性回归模型一元线性回归讨论的是一个因变量与一个自变量的关系，但是在很多例子中，模型可能包含多个自变量。在一元线性回归模型中，我们希望一条直线来解释数据，而在多元线性回归模型中，我们希望找到一个维度为 m 的超平面。以 y=α+0.9∗x1+1.5∗x2y = \alpha + 0.9 * x_1 + 1.5 * x_2y=α+0.9∗x1+1.5∗x2 为例讲解多元线...
2019-10-01 09:14:30
3472
原创 贝叶斯分析之利用线性回归模型理解并预测数据（二）
这一节主要讲分层线性回归与多项式回归模型1. 分层线性回归先了解一下什么是分层模型？以抛硬币问题为例，后验 yyy 服从伯努利分布，先验 θ\thetaθ 服从Beta分布，那么Beta分布的两个参数 α,β\alpha, \betaα,β 是怎么来的呢？如果给予 α,β\alpha, \betaα,β 一个新的分布，那么就称这个新的分布为超先验（即更高层的先验）。可以用如下图进行表示：...
2019-10-01 09:14:04
2141
2
原创 贝叶斯分析之利用线性回归模型理解并预测数据（一）
问题：利用给定的数据建立 y 与 x 之间的线性模型 y=α+βxy=\alpha+\beta xy=α+βx ?1. 构造出数据集假设一个线性模型： y=2.5+0.9∗xy=2.5+ 0.9 * xy=2.5+0.9∗x，在生成数据时加一个扰动项（eps_real）np.random.seed(1)N = 100alfa_real = 2.5beta_real = 0.9eps...
2019-10-01 09:13:49
4312
3
原创 TensorFlow内置交叉熵损失函数
今天讲解Tensorflow内置4中交叉熵损失函数：sigmoid_cross_entropy_with_logitsaaaaaaaaa1. sigmoid_cross_entropy_with_logitstf.nn.sigmoid_cross_entropy_with_logits( _sentinel=None, labels=None, logit...
2019-10-01 09:13:30
760
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