![](https://img-blog.csdnimg.cn/20201014180756922.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
~~~图像超分辨率基础知识~~~
文章平均质量分 51
主要介绍关于超分辨率任务的相关基础知识
NANCYGOODENOUGH
这个作者很懒,什么都没留下…
展开
-
Flair以及T1ce 哪个成像时间快
在医学成像,特别是磁共振成像(MRI)中,Flair(Fluid-attenuated inversion recovery)和T1加权对比增强(T1ce, T1-weighted contrast-enhanced)的成像时间各有不同。原创 2024-07-10 23:47:33 · 173 阅读 · 0 评论 -
nii to h5代码
【代码】nii to h5代码。原创 2024-07-04 01:29:58 · 80 阅读 · 0 评论 -
Params(M), Multi-Adds (G),FLOPS之间的区别
参数数量指的是模型中所有可训练参数的总数。这些参数包括权重和偏置项等。原创 2024-06-29 01:25:28 · 581 阅读 · 0 评论 -
2024-6-11-SPECT和PET的区别是什么
SPECT(单光子发射计算机断层扫描)和PET(正电子发射断层扫描)都是核医学成像技术,用于诊断和治疗监测。总的来说,选择SPECT还是PET取决于具体的临床需求、成本考虑以及所需的成像质量。PET因其高分辨率和定量能力通常用于更复杂的诊断和研究。原创 2024-06-11 15:51:14 · 254 阅读 · 0 评论 -
2024-6-10-Model-Agnostic Meta-Learning (MAML)
Model-Agnostic Meta-Learning (MAML) 是一种元学习(meta-learning)方法,旨在通过学习模型的最佳初始状态,使得基本学习器(base-learner)可以在少量梯度更新中快速适应新任务。原创 2024-06-10 20:25:31 · 488 阅读 · 0 评论 -
2024-6-10-zero shot,few shot以及无监督学习之间的关系是什么
Zero-shot learning、few-shot learning和无监督学习都是机器学习中的方法,它们共同的特点是在有限或没有标签数据的情况下进行学习。原创 2024-06-10 16:16:34 · 590 阅读 · 0 评论 -
2024-04-22-医学图像IXI数据集处理
摘自:2023-CIBM-Multi-Stage Hybrid Attention Network for MRI reconstruction and SR。原创 2024-04-22 23:46:58 · 474 阅读 · 0 评论 -
2024-04-22-Residual Dense Network和Residual Feature Aggregation Network
The motivation of RDB and RFA is that the hierarchical feature representations should be fully used to learn local patterns.A RFA module contains several residual modules and mainly aggregates features from the residual branches. In contrast, the RDB colle原创 2024-04-22 20:44:03 · 400 阅读 · 0 评论 -
2024-4-21-应用于超分辨率任务的损失函数的区别是什么?
导致整体损失迅速增加。但当差异很大时,其平方会显著增加,从而在整体损失中占据更大的比重。这种对大误差更敏感的特性意味着,如果数据集中存在异常值(即那些与其他数据点显著不同的值),它们会对损失函数的值产生不成比例的影响。因此,在存在异常值的数据集上,使用MSE损失可能不是最佳选择,因为模型可能会过于关注那些异常值,而不是学习到更普遍的、对整个数据集来说更有用的模式。MSE损失(均方误差损失)对大的误差给予更大的惩罚这一特性的含义是:当预测值与真实值之间的差异较大时,这种差异在损失函数中的贡献会以。原创 2024-04-21 17:45:09 · 191 阅读 · 0 评论