- 博客(7)
- 收藏
- 关注
原创 【MRI医学图像超分辨率项目-paddle架构】代码学习
例如:随着人工智能的不断发展,机器学习这门技术也越来越重要,很多人都开启了学习机器学习,本文就介绍了机器学习的基础内容。提示:以下是本篇文章正文内容,下面案例可供参考“”"#3D数据转化2D“”"
2023-05-14 21:15:39 747 2
原创 论文复现—【MICCAI 2021】Task Transformer Network for Joint MRI Reconstruction and Super-Resolution
最近开始了找论文复现的步骤,通过MRI super-resolution关键词在Github搜索,确定了合适的开源项目,此篇论文为MICCAI 2021会议论文,之前有粗略的读过,且从github上看实现步骤较清晰、简单,故尝试复现此篇。提示:以下是我在复现此篇论文时的步骤,仅供参考提示:这里对文章进行总结:例如:以上就是今天要讲的内容,本文仅仅简单介绍了pandas的使用,而pandas提供了大量能使我们快速便捷地处理数据的函数和方法。
2023-04-15 21:03:57 805 7
原创 Linux服务器登录、环境配置和使用(个人总结版_纯小白版)
学习要用到深度学习,跑代码和数据集的工作量很大,有幸得到实验室分配的服务器使用机会,从一个完全小白的角度总结一下服务器的使用。提示:以下是本篇文章参考的文献以上是我目前使用服务器运行python程序的学习经验,目前仅涉及到了自己python代码的CPU和GPU运行,还没有真正完成深度学习用到的环境配置,以及大体量数据集下载到服务器的部分,争取尽快更新出来。
2023-04-10 21:48:37 11617 5
原创 《DuDoRNet: Learning a Dual-Domain Recurrent Network for Fast MRI Reconstruction with Deep T1》总结
提示:以下是本篇文章正文内容提示:这里对文章进行总结:通过具有大感受野的DRD-Nets来循环恢复图像和k-空间领域。T1先验被嵌入到每个循环块中,以深入指导这两个领域的恢复工作。广泛的实验结果表明,虽然以前的单域快速MRI方法在直接减少图像域的混叠伪影方面能力有限,但我们的DuDoRNet可以有效地恢复重构,并且T1先验可以进一步显著提高结构恢复能力。
2023-03-31 16:53:36 429
原创 【MRI图像超分辨率入门及研究综述(个人总结版)】
本文主要记录从小白入门MRI_SR的过程及其研究综述,为了总结方便,本文仅简单列举了学习步骤及资源链接。如有侵权联系必删K空间(傅里叶空间)是一个虚拟的空间,它是存储MRI所有频率信息的一个三维的空间,是用来MR信号的定位的空间采样规模大小MRI图像模态磁场B0强度特殊性质(如疾病类型)提示:这里对文章进行总结:例如:以上就是今天要讲的内容,本文仅仅简单介绍了pandas的使用,而pandas提供了大量能使我们快速便捷地处理数据的函数和方法。
2023-03-30 17:40:18 2293
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