<?xml version="1.0" encoding="utf-8" ?><rss version="2.0"><channel><title><![CDATA[qq_38736504的博客]]></title><description><![CDATA[]]></description><link>https://blog.csdn.net/qq_38736504</link><language>zh-cn</language><generator>https://blog.csdn.net/</generator><copyright><![CDATA[Copyright &copy; qq_38736504]]></copyright><item><title><![CDATA[[医学分割大模型系列] (3) SAM-Med3D 分割大模型详解]]></title><link>https://blog.csdn.net/qq_38736504/article/details/136984568</link><guid>https://blog.csdn.net/qq_38736504/article/details/136984568</guid><author>qq_38736504</author><pubDate>Tue, 26 Mar 2024 22:35:43 +0800</pubDate><description><![CDATA[发表日期：2023年10月。]]></description><category></category></item><item><title><![CDATA[[医学分割大模型系列] (1) SAM 分割大模型解析]]></title><link>https://blog.csdn.net/qq_38736504/article/details/136881196</link><guid>https://blog.csdn.net/qq_38736504/article/details/136881196</guid><author>qq_38736504</author><pubDate>Fri, 22 Mar 2024 23:42:52 +0800</pubDate><description><![CDATA[[TOC]([医学大模型系列] (1) SAM 分割大模型解析)]]></description><category></category></item><item><title><![CDATA[[pytorch] detr源码浅析]]></title><link>https://blog.csdn.net/qq_38736504/article/details/136683625</link><guid>https://blog.csdn.net/qq_38736504/article/details/136683625</guid><author>qq_38736504</author><pubDate>Thu, 21 Mar 2024 01:36:45 +0800</pubDate><description><![CDATA[为之后SAM的代码分析做铺垫。]]></description><category></category></item><item><title><![CDATA[[医学多模态融合] 医学图像 + 文本数据 多模态模型发展及预训练模型应用]]></title><link>https://blog.csdn.net/qq_38736504/article/details/135722798</link><guid>https://blog.csdn.net/qq_38736504/article/details/135722798</guid><author>qq_38736504</author><pubDate>Sun, 21 Jan 2024 19:49:50 +0800</pubDate><description><![CDATA[医学图像 + 文本数据 多模态模型发展及预训练模型应用]]></description><category></category></item><item><title><![CDATA[[AI医学比赛] 百度STAGE比赛 EDA 探索性数据分析]]></title><link>https://blog.csdn.net/qq_38736504/article/details/131672477</link><guid>https://blog.csdn.net/qq_38736504/article/details/131672477</guid><author>qq_38736504</author><pubDate>Wed, 12 Jul 2023 17:39:08 +0800</pubDate><description><![CDATA[STAGE挑战赛是由华南理工大学医疗大数据与医学智能实验室联合中山大学中山眼科中心在MICCAI 2023上举办的国际眼科赛事。]]></description><category></category></item><item><title><![CDATA[[医学分割比赛] ISBI2023 APIS多模态医学分割比赛总结 + top3解决方案]]></title><link>https://blog.csdn.net/qq_38736504/article/details/130613207</link><guid>https://blog.csdn.net/qq_38736504/article/details/130613207</guid><author>qq_38736504</author><pubDate>Thu, 11 May 2023 03:49:04 +0800</pubDate><description><![CDATA[多模态医学分割比赛
APIS: A Paired CT-MRI Dataset for Ischemic Stroke Segmentation Challenge]]></description><category></category></item><item><title><![CDATA[[pytorch] 3D Unet + Resnet替换Encoder]]></title><link>https://blog.csdn.net/qq_38736504/article/details/129807718</link><guid>https://blog.csdn.net/qq_38736504/article/details/129807718</guid><author>qq_38736504</author><pubDate>Tue, 28 Mar 2023 02:37:20 +0800</pubDate><description><![CDATA[本文介绍如何实现Unet的3D版本，以及如何用Resnet替换Unet原始版本的Encoder.原版Unet的实现:Resnet的实现:建议先对这两种网络结构有一定的了解，如果懒得去学习的话可以直接使用第三章节U-Net_resnet_encoder的完整代码。]]></description><category></category></item><item><title><![CDATA[[pytorch] 预训练网络(如timm)使用模型并行(Model Parallel)]]></title><link>https://blog.csdn.net/qq_38736504/article/details/128763277</link><guid>https://blog.csdn.net/qq_38736504/article/details/128763277</guid><author>qq_38736504</author><pubDate>Wed, 25 Jan 2023 23:21:35 +0800</pubDate><description><![CDATA[([pytorch] 预训练网络(如timm)使用模型并行(Model Parallel))]]></description><category></category></item><item><title><![CDATA[[医学多模态融合系列 -4] Multimodal deep learning for biomedical data fusion: a review]]></title><link>https://blog.csdn.net/qq_38736504/article/details/128721315</link><guid>https://blog.csdn.net/qq_38736504/article/details/128721315</guid><author>qq_38736504</author><pubDate>Thu, 19 Jan 2023 18:42:14 +0800</pubDate><description><![CDATA[生物医学数据正变得越来越多模式，从而捕捉生物过程之间潜在的复杂关系。基于深度学习 (DL) 的数据融合策略是对这些非线性关系进行建模的一种流行方法。]]></description><category></category></item><item><title><![CDATA[[医学多模态融合系列 -3] Multimodal Classification: Current Landscape, Taxonomy and Future Directions]]></title><link>https://blog.csdn.net/qq_38736504/article/details/128572314</link><guid>https://blog.csdn.net/qq_38736504/article/details/128572314</guid><author>qq_38736504</author><pubDate>Wed, 11 Jan 2023 02:03:40 +0800</pubDate><description><![CDATA[多模态分类研究随着卫星图像、生物识别和医学等领域的新数据集越来越受欢迎.]]></description><category></category></item><item><title><![CDATA[[医学多模态融合系列 -2] A review on multimodal medical image fusion]]></title><link>https://blog.csdn.net/qq_38736504/article/details/128336968</link><guid>https://blog.csdn.net/qq_38736504/article/details/128336968</guid><author>qq_38736504</author><pubDate>Thu, 05 Jan 2023 00:44:15 +0800</pubDate><description><![CDATA[在过去的二十年中，医学成像已广泛应用于诊断疾病。由于缺乏该领域的信息，医学专家仍然难以用单一模式诊断疾病。图像融合可用于将特定器官的图像与来自各种医学成像系统的疾病合并。解剖学和生理学数据可能包含在多模态图像融合中，使诊断更加简单。寻找具有融合质量评估的最佳多模态医学数据库来评估推荐的图像融合方法是一项艰巨的挑战。因此，本文提供了多模式医学图像融合方法、数据库和质量测量的完整概述。在本文中，提供了对不同医学成像模式的简要回顾和相关多模态数据库的评估以及统计结果。]]></description><category></category></item><item><title><![CDATA[[3D数据深度学习] （PC/服务器集群cluster）CPU内存/GPU显存限制及解决办法]]></title><link>https://blog.csdn.net/qq_38736504/article/details/128375755</link><guid>https://blog.csdn.net/qq_38736504/article/details/128375755</guid><author>qq_38736504</author><pubDate>Tue, 20 Dec 2022 00:41:16 +0800</pubDate><description><![CDATA[3D数据的深度学习目前研究远不如2D深度学习成熟，其中最大的一个原因之一就是收到硬件条件的限制。对于3D数据的深度学习，我们会分析其在CPU内存和GPU显存两方面的限制，希望大家能够充分利用自己的资源进行深度学习。]]></description><category></category></item><item><title><![CDATA[[医学多模态融合系列 -1] A review: Deep learning for medical image segmentation using multi-modality fusion 解读]]></title><link>https://blog.csdn.net/qq_38736504/article/details/128332647</link><guid>https://blog.csdn.net/qq_38736504/article/details/128332647</guid><author>qq_38736504</author><pubDate>Thu, 15 Dec 2022 23:30:02 +0800</pubDate><description><![CDATA[多模态广泛应用于医学成像，因为它可以提供关于目标（肿瘤、器官或组织）的多信息。使用多模态的分割包括融合多信息以改进分割。]]></description><category></category></item><item><title><![CDATA[[pytorch] ViT 2D + 3D代码 实现,改写]]></title><link>https://blog.csdn.net/qq_38736504/article/details/127594043</link><guid>https://blog.csdn.net/qq_38736504/article/details/127594043</guid><author>qq_38736504</author><pubDate>Tue, 01 Nov 2022 00:44:59 +0800</pubDate><description><![CDATA[PYTORCH 2D 3D ViT ]]></description><category></category></item><item><title><![CDATA[[pytorch] 2D + 3D EfficientNet代码 实现,改写]]></title><link>https://blog.csdn.net/qq_38736504/article/details/127561201</link><guid>https://blog.csdn.net/qq_38736504/article/details/127561201</guid><author>qq_38736504</author><pubDate>Fri, 28 Oct 2022 17:18:53 +0800</pubDate><description><![CDATA[[pytorch] 2D + 3D EfficientNet代码 实现,改写]]></description><category></category></item><item><title><![CDATA[[pytorch] 2D + 3D DenseNet代码实现，改写]]></title><link>https://blog.csdn.net/qq_38736504/article/details/127449180</link><guid>https://blog.csdn.net/qq_38736504/article/details/127449180</guid><author>qq_38736504</author><pubDate>Tue, 25 Oct 2022 21:25:56 +0800</pubDate><description><![CDATA[2D + 3D DenseNet代码实现 pytorch]]></description><category></category></item><item><title><![CDATA[[pytorch] 2D + 3D ResNet代码实现, 改写]]></title><link>https://blog.csdn.net/qq_38736504/article/details/127397339</link><guid>https://blog.csdn.net/qq_38736504/article/details/127397339</guid><author>qq_38736504</author><pubDate>Wed, 19 Oct 2022 01:10:19 +0800</pubDate><description><![CDATA[pytorch  2D 3D ResNet 代码实现]]></description><category></category></item><item><title><![CDATA[百度GOALS比赛总结]]></title><link>https://blog.csdn.net/qq_38736504/article/details/126985216</link><guid>https://blog.csdn.net/qq_38736504/article/details/126985216</guid><author>qq_38736504</author><pubDate>Sun, 25 Sep 2022 11:03:13 +0800</pubDate><description><![CDATA[百度GOALS比赛总结 + 代码]]></description><category></category></item><item><title><![CDATA[DRAC2022比赛总结+前五解决方案]]></title><link>https://blog.csdn.net/qq_38736504/article/details/126936318</link><guid>https://blog.csdn.net/qq_38736504/article/details/126936318</guid><author>qq_38736504</author><pubDate>Tue, 20 Sep 2022 22:00:48 +0800</pubDate><description><![CDATA[DRAC2022 比赛总结]]></description><category></category></item><item><title><![CDATA[[pytorch] nnUnet for 2D Images Segmentation]]></title><link>https://blog.csdn.net/qq_38736504/article/details/125494224</link><guid>https://blog.csdn.net/qq_38736504/article/details/125494224</guid><author>qq_38736504</author><pubDate>Tue, 28 Jun 2022 19:39:52 +0800</pubDate><description><![CDATA[nnunet 2d 分割]]></description><category></category></item></channel></rss>