![](https://img-blog.csdnimg.cn/20201014180756928.png?x-oss-process=image/resize,m_fixed,h_224,w_224)
模式识别与机器学习
文章平均质量分 58
主要总结一些模式识别和机器学习常用的算法
程序媛JD
迈进码农的世界啦,加油
展开
-
用pydicom 读患者的dicom图像的信息
import pydicom as dicomdicom_path = r'xxxx\0501506\I3Y2F1PE\SW3LNJ3W\I1000000'dcm = dicom.read_file(dicom_path,force=True)print("PatientID:",dcm.PatientID)#病人idprint("StudyInstanceUID:",dcm.StudyInstanceUID)#扫描的时间编号id,相同的扫描时间这个id是相同的print("SeriesInsta原创 2021-11-24 21:23:51 · 852 阅读 · 0 评论 -
dicom转nii时,解决切片顺序保存混乱的问题
在将dicom转nii的时候遇到了一个问题,就是医院给的dicom数据的每一个切片的命名是乱的,转成nii之后序列的z轴完全就是乱的,如下所示:按切片顺序打印的图像,完全就是乱序的,在ITK中打开也可以看到图像z轴是乱的:在网上找的dcm转nii的代码都是按照dcm命名来对dcm进行排序的,但是医院有时候给的数据命名不规范解决方案:用MicroDicom打开dicom图像,查看Dicom Tags,使用Instance number对切片进行排序,这个字段是存在dcm图像中的,而且按切片顺序保存原创 2021-11-29 19:59:00 · 2194 阅读 · 6 评论 -
fashion_mnist数据集分类模型及详细注解笔记
可以用ipython编程,方便查看代码块的输出结果,代码如下:import tensorflow as tfimport matplotlib as mplimport matplotlib.pyplot as plt%matplotlib inlineimport numpy as npimport sklearnimport pandas as pdimport osimpo...原创 2019-12-08 10:58:11 · 1864 阅读 · 0 评论 -
怎样在linux系统打开pycharm
第一步:在Linux终端输入cd /home/账号名/pycharm-community-2019.3/bin右键可以直接打开终端/home/账号名/pycharm-community-2019.3/bin是自己的pycharm安装包的路径,记得按自己的写,账户名记得写自己的。路径查看方式:找到Linux系统的pycharm安装包:点进去之后是这样子的:右键bin可以查看属性,属性...原创 2019-12-03 21:42:59 · 4175 阅读 · 0 评论 -
tf.constant,tf.strings,RaggedTensor,SparseTensor,tf.Variable实例--tensorflow2.0学习笔记
导入所需库:import tensorflow as tfimport numpy as npt = tf.constant([[1.,2.,3.],[4.,5.,6.]])#二维向量print(t)print(t[:,1:])#打印第二列之后的print(t[...,1])#打印第二列print(t[...,0])#打印第1列print(t[0])#取第一行print(t[0...原创 2019-12-10 21:37:57 · 499 阅读 · 0 评论 -
房价预测回归模型--tensorflow2.0学习笔记--tf.keras使用实例
import tensorflow as tfimport matplotlib as mplimport matplotlib.pyplot as plt%matplotlib inlineimport numpy as npimport sklearnimport pandas as pdimport osimport sysimport time from tensor...原创 2019-12-08 20:29:55 · 1586 阅读 · 0 评论 -
在ubantu安装anaconda,bazel,tensorflow-icg,以及在pycharm中导入tensorfow模块
tensorflow-icg大概是一个古老的框架吧,现在都没有什么人用,装了好多天,一定要记录下来,我的天啊啊啊啊,踩了无数坑,终于装好了,此方法大多是我摸索出来的,不一定适用于所有人噢,只是想记录一下自己的学习过程~此处附上原版安装链接,原版写的比较简单,对于新手极其不友好https://github.com/VLOGroup/tensorflow-icg官方给出的安装的是gpu版本的,也就...原创 2019-12-06 20:16:54 · 1052 阅读 · 2 评论 -
核磁共振重建算法综述
自己整理的一些核磁共振重建综述文章,仅供参考,不发表~提示:文章写完后,目录可以自动生成,如何生成可参考右边的帮助文档文章目录摘要一、引言二、核磁共振成像原理2.1.核磁共振成像过程2.2.K空间2.3.核磁共振数据采集过程三 核磁共振重建方法3.1.部分傅里叶重建方法3.2.并行重建方法3.2.1 常用的并行重建方法3.2.2 同时多层重建方法3.2.3 三维并行成像3.3.压缩感知重建方法3.3.1 压缩感知原理3.3.2 压缩感知重建过程3.4.基于深度学习的MRI重建方法3.4.1 基于数据驱原创 2021-09-12 15:11:11 · 13411 阅读 · 3 评论 -
深度学习面试复习总结整理
深度学习框架介绍全世界最为流行的深度学习框架有PaddlePaddle、Tensorflow、Caffe、Theano、MXNet、Torch和PyTorch。PaddlePaddlePaddlePaddle(飞桨)是百度研发的开源开放的深度学习平台,是国内最早开源、也是当前唯一一个功能完备的深度学习平台。依托百度业务场景的长期锤炼,PaddlePaddle有最全面的官方支持的工业级应用模型,涵盖自然语言处理、计算机视觉、推荐引擎等多个领域,并开放多个领先的预训练中文模型,以及多个在国际范围内取得竞赛原创 2021-02-25 23:01:22 · 1801 阅读 · 3 评论 -
深度学习基础知识汇总,以及模型调试技巧
深度学习模型中的数学组成部分:卷积提取图像中的局部特征,每个卷积核的权重可以被调整,以提取给定数据集和任务的最佳特征。传递函数(激活函数),如由ReLU,使非线性关系的学习成为可能。池化,如最大池化(下采样),以产生空间的粗特征映射,减小图像尺寸。 深度学习模型通常使用a-c中三个操作的迭代组合来产生图像的低维表示。空洞卷积(膨胀卷积)是标准卷积的Convolution map的基础上注入空洞,以此来增加感受野,同时保持参数的数量固定。因此,Dilated Convolution在Standar原创 2021-03-25 10:49:59 · 571 阅读 · 0 评论 -
ResNet网络论文阅读笔记和3D ResNet的pytorch代码
Deep Residual Learning for Image RecognitionKaiming He Xiangyu Zhang Shaoqing Ren Jian Sun参考文献和链接:Deep Residual LearnDeep Residual Learning for Image Recognition, He-Kaiming, 2015https://www.jianshu.com/p/93990a641066https://blog.csd原创 2021-03-27 22:46:35 · 1483 阅读 · 1 评论 -
U-Net论文阅读笔记
U-Net: Convolutional Networks for Biomedical Image Segmentation参考文献:[1] Ronneberger O, Fischer P, Brox T. U-net: Convolutional networks for biomedical image segmentation[C]//International Conference on Medical image computing and computer-assis原创 2021-04-06 14:12:09 · 235 阅读 · 0 评论 -
从数据预处理开始,用最简单的3D的CNN实现五折交叉验证的MRI图像二分类(pytorch)
文章目录前言一、将nii图像数据转成npy格式二、加载数据1.加载数据,Dataset.py:1.一些其他函数,utils.py:二、建模 model.py二、训练 train.py二、预测 predict.py总结前言本文从数据预处理开始,基于LeNet搭建一个最简单的3D的CNN,计算医学图像分类常用指标AUC,ACC,Sep,Sen,并用5折交叉验证来提升预测指标,来实现3D的MRI图像二分类一、将nii图像数据转成npy格式首先将nii图像数据转成npy格式,方便输入网络import原创 2021-10-27 16:29:11 · 8071 阅读 · 37 评论 -
Batch Normalization论文阅读笔记
标题: Batch Normalization: Accelerating Deep Network Training by Reducing Internal Covariate Shift随机梯度下降法(SGD)是训练深度网络的首选,利用momentum 和Adagrad等来达到最佳的性能。尽管随机梯度下降法对于训练深度网络简单高效,但是需要我们人为的去选择参数,比如学习速率、初始化参数、权重衰减系数、Dropout比例,等等。这些参数的选择对训练结果至关重要,以至于我们很多时间都浪费在这些的调参上。原创 2021-04-17 22:20:05 · 232 阅读 · 1 评论 -
FCN全卷积网络阅读笔记
论文标题:Fully Convolutional Networks for Semantic Segmentation参考文献和链接:[1] Long, Jonathan, Evan Shelhamer, and Trevor Darrell. “Fully convolutional networks for semantic segmentation.” Proceedings of the IEEE Conference on Computer Vision and Pat原创 2021-04-08 16:41:25 · 124 阅读 · 0 评论 -
基于深度学习的核磁共振影像重建
目录文章目录目录核磁共振基本原理:重建原理:基于深度学习的核磁共振影像重建概述:VN网络结构:参数和损失函数:核磁共振基本原理:重建原理:核磁共振扫描采集的数据是k空间数据,也就是频域数据,通过傅里叶变换可以得到图像域数据。重建就是把k空间数据转换为图像域数据的过程。基于深度学习的核磁共振影像重建概述:Learning a Variational Network for Reconstruction of Accelerated MRI Data目的:通过学习将变分模型的数学结构原创 2021-03-17 13:50:51 · 4959 阅读 · 0 评论 -
误差反向传播算法-BP算法
import numpy as npimport mathimport randomimport pandas as pddef sigmoid(x): return 1/(1+np.exp(-x))def dsigmod(y): return y*(1-y)class BP(): def __init__(self,ni,nh,no): #节点数 self.ni=ni#输入节点 sel...原创 2021-04-10 13:36:19 · 346 阅读 · 0 评论 -
线性判别分析(LDA)推导及python实现
代码实现:import numpy as npimport matplotlib.pyplot as pltfrom mpl_toolkits.mplot3d import Axes3Dclass LDA(): def __init__(self): self.w=None def calculate_covariance_matrix(self,X,Y=None): #计算协方差矩阵 m=X.shape[0] ...原创 2021-03-30 22:21:43 · 5608 阅读 · 4 评论 -
逻辑回归(对数几率回归)推导及python代码实现
逻辑回归,也叫对数几率回归:import numpy as npimport matplotlib.pyplot as pltfrom sklearn.datasets._samples_generator import make_classificationclass logistic_regression(): def __init__(self): pass # 先定义一个sigmoid函数 def sigmoid(self原创 2021-03-30 20:24:18 · 3410 阅读 · 2 评论 -
线性回归以及python代码实现
线性模型线性回归(linear regression)多元线性回归原创 2021-03-18 23:17:01 · 3235 阅读 · 1 评论 -
模式识别和机器学习重点算法总结篇
1,反向传播算法训练步骤总结:1.1步骤:在网络的训练过程中,梯度计算分为前向计算与反向传播 :1)随机初始化权重和偏差;2)在正向传播过程中,输入信息通过输入层经隐含层,逐层处理并传向输出层;3) 如果在输出层得不到期望的输出值,则取输出与期望的误差的平方和作为目标函数,计算输出与期望值之间的误差;4)转入反向传播,逐层求出目标函数对各神经元权值的偏导数,构成目标函数对权值向量的梯量,作为修改权值的依据,对每个产生误差的神经元,调整相应的权重值,以减小误差,网络的学习在权值修改过程中完成。5原创 2021-02-22 22:37:39 · 3880 阅读 · 3 评论