医学影像处理科研训练

一、分割任务

1.数据预处理

图像读取

使用Python对Dicom文件进行读取与写入

用python将.dcm格式图像转为.jpg格式

python医学影像2Ddicom文件转成3Dnii文件

Python下对DICOM图像的读取研究

图像处理

Python 学习笔记之—— PIL 库

PIL图像处理-二值化

数据增强

图片数据增强的方法

使用python实现图像对比度增强

python图像处理库ImageEnhance实现图像的亮度、对比度、色度和锐度四种方式增强

Python-OpenCV中的resize()函数

python-opencv函数总结之（一）threshold、adaptiveThreshold、Otsu 二值化

OpenCV图像缩放resize各种插值方式的比较

python3实现对dicom图像处理（图像呈现，缩放，平移）

2D TO 3D

将一组png图片转为nii.gz

固定文件中的一组png转nii.gz

3D图像预处理

基于SimpleITK库的处理方法汇总

ROI提取

为什么要随机裁剪

基于公式的图像预处理

数据集划分

数据增强

使用python划分数据集

Python for循环同时控制多个变量

用Python复制文件的9个方法

2.模型结构

Unet++网络结构代码(pytorch)

语义分割（三）Unet++

深入解析DenseNet(含大量可视化及计算)

比较语义分割的几种结构：FCN，UNET，SegNet，PSPNet和Deeplab

SegNet网络的Pytorch实现

2D模型改进

几种Transformer+CNN（U-net）网络

Github复现之TransUNet

UNet++

注意力机制

AttentionUNet+R2

3D模型

.dcm转为.nii.gz

UNet 、3D-UNet 、VNet 区别

经典论文解析——Unet和Vnet——图像分割

V-Net: 医学图像分割

新的模型尝试

deeplab v1/v2/v3

TransUNet

Swin-UNet

nnUNet

3.模型训练

加载数据的归一化和标准化

Python学习笔记(matplotlib篇)--图例 legend

修改loss函数

常见loss函数汇总

医学影像分割loss

图像分割中的Dice Loss

某比赛中定义的Dice系数与Dice Loss损失函数实现（梯度消失？）

训练时报错处理

学习率调度器和优化器

学习率余弦退火算法

K折交叉验证

pytorch实现

4.模型评估

机器学习&图像分割——模型评价总结(含完整代码)

用python创建csv表格文件

5.借助云端运行代码

【玩转Colab】Google Colab 的使用方法

colab绑定谷歌云盘

高效工具-Google云盘上传方案

Google colab 阻止自动掉线

kaggle使用教程

6.数据后处理

最大连通域-3D

去除假阳性区域

通过连通分量标记在3D图像上快速标记病灶数量

connected-components-3d

skimage.measure实现

python实现3D连通域后处理

空洞填充

python_opencv实现图像分割孔洞填充后处理

3D TO 2D

nii图像保存成png格式

7.遇到的坑

网络预测输出全黑

二、分类任务

1.数据预处理

独热编码和标签编码

独热编码的Pandas实现

pytorch的常见损失函数

2.网络

ViT以及改进

3.实战

猫狗二分类实战

4.评估指标

分类评估指标

二分类的实现

多分类的混淆矩阵的实现

多分类评估指标的sklearn实现