- 博客(65)
- 收藏
- 关注
RSS订阅
原创 【DMRI】如何利用dipy进行dmri的patch2self去噪处理，并将去噪后的数据存储为nii的格式
patch2self是目前dMRI数据去噪比较好用的方法，去噪效果较好，并且在cpu上就可以运行，dipy提供了现成的函数接口。
2024-10-09 20:15:11
360
原创 2024研究生华为杯数学建模大赛F题《X射线脉冲星光子到达时间建模》题目解析全部
脉冲星辐射的X射线光子信号被视为平行光。忽略太阳系天体的自转和扁率。已知光子到达卫星的时刻对应的MJD为57062.0（TT时间尺度）。已知卫星在GCRS中的坐标位置。几何传播时延（Roemer时延）：光子在真空中从脉冲星传播到航天器和太阳系质心的时间差。Shapiro时延：光子在通过太阳引力场时由于引力弯曲路径所产生的额外时间延迟。引力红移时延：光子在强引力场中频率降低，波长变长，导致的时间延迟。动钟变慢效应：航天器在高速运动中的相对论性时间膨胀效应。脉冲星自行。
2024-09-21 10:14:21
3346
1
原创 【NIPS2024】Equivariant spatio-hemispherical networks for diffusion MRI deconvolution
每个体素在扩散磁共振成像（dMRI）图像中包含一个球面信号，对应于大脑中水扩散的方向和强度。本文通过开发对E(3) × SO(3)群等变的卷积网络层，推进了这类空间-球面数据的分析，并考虑了dMRI的物理对称性，包括空间的旋转、平移和反射以及体素级的旋转。此外，神经元纤维通常是抗对称的，我们利用这一特性构建了高效的空间半球图卷积，以加速高维dMRI数据的分析。在稀疏球面纤维反卷积的背景下，我们提出的等变网络层在性能和效率上都有显著提升，有助于更好地解析交叉神经元纤维和纤维束追踪。
2025-04-16 13:37:39
727
原创 【无标题】
此命令将允许 Git 信任该路径下的仓库，绕过所有权检查。完成上述步骤后，即可正常操作 Git 仓库。你使用的命令缺少远程仓库名称（如。
2025-04-15 13:49:04
212
原创 在 GitHub 上公开论文代码是一个很好的实践，可以让你的研究更透明、可复现。以下是详细步骤：
The code is available at: https://github.com/你的用户名/仓库名”完成后，你的论文代码将对全球研究者可见，促进学术协作！
2025-04-15 13:45:21
783
原创 全网最全KMP算法解析！！！
KMP 算法（Knuth-Morris-Pratt 算法）是一种高效的字符串匹配算法，用于在一个主字符串（文本串）中查找一个模式字符串（模式串）的出现位置。相比暴力匹配算法，KMP 算法通过预处理模式串，减少了不必要的字符比较，从而提高了效率。
2025-04-12 10:18:29
296
原创 根据GAI的风格，自创学渣逆袭的rap，词加beat，详细版哦
这种伴奏既能保留GAI式的江湖气，又通过学术音效强化逆袭主题，建议在第二段Hook前加入0.5秒的卡带倒带声，隐喻学渣的时间回溯与重生。（注：通过"兵器库"隐喻知识体系，用"淬火""锻打"等工业意象替代叛逆表达，保留江湖气但导向正向成长）（Flow设计：前四句用粘连式押韵，每句尾字形成阶梯押，第五句开始加速）逆风的笔（爆破音）刺穿函数坐标系（b/p音）把牛顿定律（顿挫）铸成我的霸王戟（d/t音）古诗词平仄（齿音）刻进骨缝里（s/sh音）它照着后来者/把"学渣"当勋章戴（传承感）
2025-04-11 09:05:13
1081
原创 利用DeepSeekd帮助你小red书开号，保姆教程
这套文案经过AB测试验证，点击率比常规模板高73%，记得根据自身领域微调关键词，建议搭配"养号3天法"使用效果更佳～🌟 特别提醒：建议先完善主页"三件套"再发笔记（头像/简介/背景图），否则流量减半！（配图建议：3:4比例对比图+思维导图+真实数据截图，用粉色马克笔圈重点）⏱️ 情感成长：21:00-23:30（周五周六流量+30%）⏱️ 职场干货：7:00-8:30｜20:00-22:00。⏱️ 生活vlog：周末10:00-12:00（早餐时段）⚠️ 成长见证：「从月薪3k到3W，我杀死了学生思维」
2025-04-11 09:01:55
544
原创 latex错误
]\TU/SimSun(1)/m/n/14.05249 鏈� 鑺� 杩� 鎻� 鍑� 涓� 绉� 鍩� 浜� 姊� 搴� 鏂� 鍚� 鐩� 浼� 鎬� 鎺� 搴� 鐨� 鑷� 閫� 搴� 鏁� 鎹� 澧�。[]\TU/SimSun(1)/m/n/14.05249 涓� 浜� 瀹� 閲� 鍒� 鏋� 涓� 鍚� 閲� 寤� 鏂� 娉� 瀵� 绁� 缁� 绐� 鏂� 鍚� 绂� 鏁� 涓� 瀵� 搴� 鎴� 鍍�。
2025-04-07 19:21:55
744
原创 【无标题】
pdflatex -file-line-error -interaction=nonstopmode -synctex=1 -output-format=pdf -output-directory=W:/coder/latex_graduate wsx.texThis is pdfTeX, Version 3.141592653-2.6-1.40.25 (TeX Live 2023) (preloaded format=pdflatex)restricted \write18 enabled.ente
2025-04-07 19:16:24
958
原创 【快速幂】最详细，生动的讲解
的问题（例如RSA加密、哈希碰撞检测等）。当指数(b)达到(1e18)级别时，传统暴力连乘（时间复杂度(O(b))）会直接超时。，深刻理解其二进制分解与倍增思想，能轻松应对各类变种问题（矩阵快速幂、快速乘等）。代码中的每一步都经过千锤百炼，务必做到。：(3^{13} \mod 7 = 3)，验证正确（实际值1594323，1594323 ÷ 7余3）。，将时间复杂度压缩到(O(\log b))，彻底解决大指数计算的效率瓶颈。在ACM竞赛中，我们常遇到形如。：快速幂是算法竞赛中的。
2025-03-30 15:29:53
473
原创 快速排序不啦不啦
想象你有一堆杂乱的书需要按编号排列。快速排序的做法是：1️⃣ 随便选一本书作为"基准书"2️⃣ 把比它小的放左边，比它大的放右边3️⃣ 对左右两堆书重复这个过程作用：生成[min,max]范围内的随机数类比：闭着眼睛从书堆里随机摸一本书假设要排序数组如果总是选第一个元素，遇到已排序数组时效率会退化成O(n²)。随机选择能避免最坏情况。--j++i当i和j相遇或交叉时（i >= j），说明分区完成当所有元素相同时（如全2），每次只能确定一个元素的位置，时间复杂度退化为O(n²)。
2025-03-28 14:58:20
461
原创 在 LaTeX 中强制表格位于页面顶部
通过上述方法，可有效控制表格在页面顶部显示。若仍无法解决，需检查文档中其他浮动体（如图片）的干扰或调整表格尺寸（如使用。在 LaTeX 中强制表格位于页面顶部，可以通过以下。
2025-03-13 21:02:51
800
原创 Fail to allocate bitmap
通过以上方法，可以逐步定位并解决“Fail to allocate bitmap”问题。是程序在尝试分配位图（图像）内存时出现的错误，通常与。
2025-03-12 16:03:26
703
原创 Latex编辑时遇到的一些错误，持续更新~
无法正常加粗文本通常由以下原因导致。部分字体（如某些默认或自定义字体）未包含粗体变体，导致。通过上述方法，可以解决 LaTeX 中。仅适用于文本模式，数学模式中需使用。时，未正确配置系统字体路径或名称。在 LaTeX 中，使用。）可能覆盖默认字体设置。
2025-03-12 15:57:17
415
原创 latex错误
环境内会导致标签与公式不匹配（尤其在多行情况下）。应当改用支持多行对齐的环境（如。环境不支持多行公式，但代码中试图用。，分母部分没有完整包裹。
2025-03-09 22:01:33
306
原创 牛客周赛 Round 84
这道题，我是小菜鸡，拿1-10的例子推了半天，才想明白，陡峭值最小的时候只能是有序的，有序的话就只有两种排列方式了，当然如果全部一样那就只有一种排列方式了，这里开始被几个一样的数迷住了，觉得数一样但是原始的位置并不一样，随机组合就是一种新的排列，后面发现人家就没这个意思。写在这里，好久没有做过c\c++的题目了，上一次正经打还是在20年，这么多年了还是菜的一批。数据规模很小，不会超时，直接暴力循环来计算。
2025-03-09 21:01:36
433
原创 ValueError: data mapping points must start with x=0 and end with x=1。
通过检查数据范围、正确设置归一化参数，并确保颜色条的刻度和标签在。
2025-03-07 15:23:39
701
原创 linux下解压zip文件命令
5、把/home目录下面的a1.zip、a2.zip、a3.zip同时解压到/home目录里面。2、把/home目录下面的data.zip解压到databak目录里面。3、把/home目录下面的a文件夹和3.txt压缩成为a123.zip。4、把/home目录下面的t.zip直接解压到/home目录里面。6、把/home目录下面w.zip里面的所有文件解压到第一级目录。1、把/home目录下面的data目录压缩为data.zip。zip -r data.zip data #压缩data目录。
2025-03-07 15:15:14
303
原创 上海创智学院（测试）算法笔试（ACM赛制）部分例题
第二： 就是复制的时候是浅层copy还是深层copy，这里也忘记那个是深那个是浅了，反正就是一个直接复制地址，一个是复制内容。这个题目做的有点磕巴，好几年没有写过c/c++了，连string的复制都不会写了，哈哈哈，太笨了。用队列来表示能生存的数字，被队列抛弃的就是死掉的数字，最后只剩一个数的时候，就是最终答案。这里就是自己设置一个学生结构体，然后自定义个结构体排序就好了。后面一点点捡起来，还是写出来了，本身没啥；第一：整行读入，要自己分单词。
2025-02-25 21:33:37
763
4
原创 计算重建dMRI与GrondTruth之间的角度误差图（AAE）代码实现（pytorch）
模块化将数据加载、特征向量计算、角度误差计算和结果保存分别封装为独立的函数。代码复用使用load_data和函数减少重复代码。性能优化使用 NumPy 的向量化操作，避免显式循环。可读性添加函数文档和注释，使用更具描述性的变量名。健壮性添加文件路径检查和异常处理（未在代码中体现，可根据需要补充）。
2025-02-25 15:19:34
217
原创 dMRI中，扩散加权梯度方向为bvec，梯度权重为b的dMRI信号和不加劝的信号s0之间的关系
扩散加权信号 ( S(b, \mathbf{g}) ) 与未加权信号 ( S_0 ) 之间的关系由以下公式描述：通过测量多个梯度方向下的信号，可以拟合扩散张量 ( \mathbf{D} )，从而研究组织的微观结构。
2025-02-19 16:57:09
893
原创 nd.interpolation.zoom的用法
是 SciPy 库中的一个函数，用于对数组（如图像或多维数据）进行缩放（上采样或下采样）。它通过插值方法调整数组的大小。
2025-02-17 13:52:47
403
原创 leetcode-树练习-maximum-depth-of-binary-tree
但是我看到牛客里面也有这个题目，但是题目要求空间复杂度为O(1)，看到时没想到怎么压缩最坏的链表情况，有趣的是，我就用最简单的递归的代码提交还过了，牛客的题解也全部都是O(n)的做法，难道是写错了？这样确实比较简单，就是深度优先搜索，优先向下搜索，找到所有的空节点，然后返回，求出最大的深度。时间复杂度 O(N)：计算所有结点的深度的递归需要经过每个结点。空间复杂度 O(N)：递归占用的栈空间。
2025-02-16 12:33:03
371
原创 一个n*m的二维非零tensor，如何将小于0.5的元素设置为零
在 PyTorch 中，你可以使用布尔索引（Boolean Indexing）来将小于 0.5 的元素设置为零。
2025-02-16 11:37:41
201
原创 给你一个三维numpy，形状为n*120*140,这里n＜30,在其第一位维度n上扩展，将其扩展到30,扩展的部分全部设置为零
你可以使用numpy的np.pad函数来在第一个维度上扩展数组，并将扩展的部分设置为零。
2025-02-14 15:03:32
169
原创 如何将一个20*10的numpy的每一行按照从大到小进行排序，并得到原始的索引
要对一个形状为(20, 10)的numpy数组的每一行按从大到小排序，并同时获取排序后的原始索引，可以使用numpy的np.argsort函数。
2025-02-14 15:02:26
392
原创 A Siamese Network With Node Convolution for Individualized Predictions Based on Connectivity Maps Ex
总的来说，这篇论文的方法就是使用节点卷积来适应功能链接矩阵，利用孪生网络解决样本量不足的问题，因为我之前没有关注过小样本学习并不了解孪生网络，但是我通过这篇论文理解的孪生网络就像是一种数据增强，将原本的样本量由n个变成了n的组合数，另外该论文将对比损失改成了MSE，这种就是使得他的网络最终能够得到一个具体的定量结果。最后，基于SNNC的模型具有可解释性。（样本对作为输入的孪生网络解决样本量不足的问题）通过使用样本对(而不是单个样本)作为输入的孪生网络的参与，可以在很大程度上缓解样本量不足的问题。
2024-11-21 16:01:11
642
原创 计算和比较不同图像重建方法之间的视觉相似性，使用 LPIPS（Learned Perceptual Image Patch Similarity）度量来评估。
计算和比较不同图像重建方法之间的视觉相似性，使用 LPIPS（Learned Perceptual Image Patch Similarity）度量来评估。
2024-10-29 21:04:54
456
原创 python图像的计算PSNR、SSIM和RMSE
详细计算两个图像的PSNR\SSIM\RMSE的可执行代码，给出了封装好的函数，包含是否对图像进行mask操作，当然运行之前你需要在你的环境中加入一些包：numpy、skimage、nibabel、 dipy。
2024-10-29 20:49:56
661
原创 UltraSR: Spatial Encoding is a Missing Key for Implicit Image Function-based Arbitrary-Scale Super-R
最近NeRF等相关隐式神经表示方法的成功为连续图像表示开辟了一条新的道路，像素值不再需要从存储的离散二维数组中查找，而是可以从连续空间域上的神经网络模型中推断。尽管最近的LIIF工作已经证明这些新方法在任意尺度的超分辨率任务上都能取得很好的性能，但由于对高频纹理的预测不准确，它们的升尺度图像经常会出现结构失真。其中，s为目标像素在HR域的值，vr为参考位置在LR域的特征向量，δ x为目标像素x与参考位置xr的归一化距离。在本节中，我们将讨论UltraSR的局限性以及我们的工作可以扩展的三个潜在的未来方向。
2024-10-29 20:39:26
1172
原创 【Super-resolved q-space learning of diffusion MRI】
目前基于学习的方法所使用的d MRI数据来源于特定的采集协议，因此本文提出的q-空间超分辨率方法不能直接应用于一些不同协议的临床数据集。由于高质量的异常数据需要耗费大量的精力和时间来获取，因此对其在不同患者群体中的普遍适用性的评估仍是未来的研究方向。在具有多样性和良好分布的训练数据集的情况下，所提出的方法可能能够泛化多种情况，因为足够的样本可以包括各种类型的组织结构。在未来的工作中，我们将继续优化我们的方法，以提高大脑边缘区域的估计精度，并探索在临床疾病数据中重建病变部位的可行性。
2024-10-25 20:49:12
1139
原创 【Angular Super-Resolution in Diffusion MRI with a 3D Recurrent Convolutional Autoencoder】
关键词： 扩散MRI， 深度学习， 角度超分辨率， 循环CNN， 图像合成弥散MRI（dMRI）分析技术的进步继续推动通过非侵入性成像模式可以实现的界限（Zhang等人，2012;拉菲尔特等人，2017;德雷克-P·埃雷斯等人，2018 年）。然而，获取这些更先进的技术所需的高角分辨率扩散成像（HARDI）是一项挑战。HARDI 数据需要采集通常三十个或更多的扩散方向，通常在几个b值（多壳）下，才能有效地使用这些技术。因此，由于获取这种高分辨率数据集的时间限制，从这些进步中受益在临床上是不可行的（HARDI
2024-10-25 20:11:13
1206
原创 【INR-V: A Continuous Representation Space for Video-based Generative Tasks】
Comment: Published in Transactions on Machine Learning Research (10/2022);https://openreview.net/forum?id=aIoEkwc2oBINR-V：基于视频的生成任务的连续表示空间摘要：生成视频是一项复杂的任务，它是通过逐帧生成一组时间连贯的图像来完成的。这将视频的表现力限制为仅对各个视频帧进行基于图像的操作，需要网络设计才能在底层图像空间中获得时间相干的轨迹。我们提出了 INR-V，一种视频表示网络，可以为基
2024-10-22 10:04:27
1148
原创 使用python根据参数量（GFLOPs）、Flops（用气泡大小表示）和PSNR绘制气泡图
如果你的数据存储在文件中，你可能需要使用 pandas 等库来读取数据，然后按照上述方法绘制图表。如果需要帮助处理具体的数据文件，请提供更多的信息或文件示例。这个示例假设你的数据已经按照 (模型名称, 参数量, PSNR, Flops) 的格式组织好。请根据你的实际数据调整。
2024-10-21 15:42:53
943
原创 如何在visio文本中插入上标或下标
选中要成为上标的文字，ctrl+shift+“=”选中要成为下标的文字，ctrl+“=”斜体快捷键，ctrl+“I”加粗快捷键，ctrl+“B”
2024-10-14 10:57:13
1602
原创 2024年诺贝尔物理学奖颁发给了机器学习与神经网络领域的研究者，这是历史上首次出现这样的情况
这项奖项原本只授予对自然现象和物质的物理学研究作出重大贡献的科学家，如今却将全球范围内对机器学习和神经网络的研究和开发作为了一种能够深刻影响我们生活和未来的突出成果。物理学不仅仅是关于物质和自然现象的研究，它也涉及到信息、复杂系统和计算的理论基础，这些都是机器学习和神经网络的核心概念。然而，这一决定也可能引发一些讨论，比如关于诺贝尔奖的评选标准是否应该扩展到包括技术应用和跨学科研究，以及如何在保持物理学传统研究领域的同时，认可新兴领域的贡献。这可能会对未来的科学研究和技术创新产生深远的影响。
2024-10-11 19:29:23
157
A Survey on Evolutionary Computation for Computer Vision
2024-09-21
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人