- 博客(7)
- 收藏
- 关注
RSS订阅原创 【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