- 博客(12)
- 收藏
- 关注
RSS订阅
1原创 Python numpy数据类型转换注意事项
numpy数据类型转换使用 dtype 或者 astype 可以将numpy数组从类型X（如float）转换为类型Y（如uint8） >>> A=np.array([ 1.2, 3., 5 ]) >>> A.dtype dtype('float64') #设置dtype >>> A=np.array(A,dtype='uint8') >>> A array([1, 3, 5],
2020-09-10 11:31:56
676
原创 Pytorch搭建工程参考资料
Pytorch搭建工程参考资料pytorch搭建完整的工程一般包括：数据加载、网络模型、训练、测试、损失函数等。以下列出我所参考的资料。数据加载使用Dataset https://blog.csdn.net/sinat_42239797/article/details/90641659?utm_medium=distribute.pc_relevant.none-task-blog-BlogCommendFromMachineLearnPai2-2.nonecase&depth_1-
2020-08-24 11:50:57
282
原创 [论文笔记]神经元追踪算法——ENT
ENT：Wang C W, Lee Y C, Pradana H, et al.Ensemble neuron tracer for 3D neuron reconstruction, Neuroinformatics,2017, 15: 185–198*大类：医学 3区；小类：计算机：跨学科应用 2区、神经科学 3区...
2020-05-12 10:38:53
513
原创 v3d编程——SWC
这篇博客主要介绍V3d编程中的SWC文件NeuronSWC——储存SWC中单个节点信息的单元NeuronSWC point() //定义一个节点变量point.type //节点的类型point.x point.y point.z //访问节点的坐标point.r//节点的半径point.parent//节点的父节点索引，注意：返回的是point indexNeuronTree——储存SWC结构信息的单元 NeuronTree filetree //定义一个NeuronTr
2020-05-12 10:37:36
859
原创 [论文笔记]神经元重建——DL Segmentation Improves Reconstruction
Li R, Zeng T, Peng H, et al.Deep Learning Segmentation of Optical Microscopy Images Improves 3-D Neuron Reconstruction[J]. IEEE Transactions on Medical Imaging, 2017, 36(7): 1533-1541.概述：本文的主要思想是...
2020-02-08 16:27:22
496
原创 [论文笔记]神经元追踪算法——Deeptracing
APP2:Xiao, H., & Peng, H.automatic tracing of 3D neuron morphology based on hierarchical pruning of a gray-weightedimage distance-tree. Bioinformatics, 29, 1448–1454. 2013大类：生物 2区；...
2019-11-25 10:54:25
774
原创 神经元结构及评价标准
SWC——重建结果 “神经突起追踪的最终输出结果是基于ASCII编码的文本数据。标准文件格式为Southampton Neurosciences Set开发的SWC文件。其由如下几个组成部分构成：节点的编号id，表示节点在当前文件中的顺序位置；节点的类型Type，表示节点归属的神经突起追踪信号类型，常用的有2表示轴突，3表示树突，5表示分叉点，6表示端点等等；节点坐标x；节点坐标y；节点坐标...
2019-11-04 17:52:00
598
原创 [论文笔记]神经元追踪算法——Smart tracing
创新点：1.提出了追踪区域的可信度指标，可信度高的区域作为训练样本。2.基于小波变换和最大相关性-最小冗余度方法，进行特征选取。3.采用机器学习方法，可信度高的区域作为样本进行训练，生成的分类器对前景进行预测（可迭代预测，跨越gap）。4.预测的结果再次采用传统算法追踪，提高准确度优点：1.全自动2.不依赖于模型缺点：1.依赖现有算法的效果2.耗时...
2019-10-30 21:10:32
370
原创 [论文笔记]神经元追踪算法——APP
APP算法介绍All-path pruning（APP）是一种基于图结构的3D神经元自动重建算法。该方法对由成像技术造成的低信噪比、模糊残缺的图像具有较强的鲁棒性。APP算法流程APP算法分为两个步骤：采用最短路径算法生成ICR（initial over-complete reconstruction ）选取soma或者图中强度最高的点作为seed种子点。并且选取整张图片的平均强度ta...
2019-10-14 21:32:37
557
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