原创 Pandas標籤統計
數據來源：https://www.kaggle.com/c/rsna-intracranial-hemorrhage-detection/data —— stage_2_train.csv API groupy uns
2020-06-23 07:45:47
1
原创 分類評價指標
有些東西雖然簡單，但是還是要過個7、8遍纔不容易記混記亂。 Accuracy … Sensitivity 在患病的所有人中（已經明確知道數據的分佈了！），預測正確（判斷爲有病）的有多少？ Sensitivity=TP
2020-06-23 07:45:45
1
原创 【SimpleITK】使用區域生長法/種子填充法/形態學分割肺-CT img
區域生長 定義參考 維基百科 : 對圖像分割的定義： 圖像分割是對圖像中的每個像素加標籤的一個過程，這一過程使得具有相同標籤的像素具有某種共同視覺特性。 區域生長的定義： 區域生長的基本思想是將具有相似性質的像素集合起來構成
2020-06-23 07:45:45
93
原创 【影像學基本知識】T1, T2 and PD weighted imaging
與使用radiation成像不同，在對比度成像中，對比度取決於所成像結構的不同衰減，而MR圖像中的對比度取決於所成像區域中的磁性和氫核數。通過以不同的權重運行不同的序列，可以選擇要成像區域中的不同對比度。主要的三個序列是： T1
2020-06-23 07:45:45
101
原创 VGG16—perceptual loss in keras感知損失【Keras】
前言 正常的損失加上感知損失，肯定需要自定義合適的loss function。在keras中，自定義loss function : 先考慮keras中的loss，如下： def mean_squared_error(y_true,
2020-06-23 07:45:45
83
原创 【醫療影像處理】使用GMM分割3D T1得到wm/gm/csf/background
Purpose 使用無監督方法—GMM對一個T1樣本進行分割，得到分割結果： wm 白質 gm 灰質 csf 腦脊液 背景 Data T1 只是展示了其中的一層： 從圖上可以看到，白質的信號明顯高於灰質的信號，灰質的信號高於
2020-06-23 07:45:42
7
原创 改進3D/2D U-NET--添加深度監督deep supervision【Keras】
前言 深度監督deep supervision（又稱爲中繼監督intermediate supervision），其實就是網絡的中間部分新添加了額外的loss，跟多任務是有區別的，多任務有不同的GT計算不同的loss，而深度監督的
2020-06-23 07:45:42
原创 【醫療影像處理】使用前景像素的均值和方差(mean,std)對圖像進行歸一化(背景像素爲0)【numpy-code】
一個人腦的MRI影像（3D）- volume，plot其中的一張slice: plot前景區域（背景像素值爲0）： plt.imshow(np.asarray(volume[100,:,:] > 0, np.float32))
2020-06-23 07:45:42
19
原创 BraTS2019中的不確定性分割任務
BraTS 2019中新增添了一項爲任務3: 分割中不確定性的量化。 目的是給每一個像素值的預測值的確定性給打分，哪些像素可以100%的確定是屬於某種腫瘤區域，那些是很大概率的屬於某種腫瘤。 當然，臨牀上最終的金標準的判斷是病理的
2020-06-23 07:45:42
原创 【git】克隆成功，但是檢出失敗
問題 git clone xxx 顯示： 正克隆到 'xxx'... |Please wait a moment... remote: Total xx (delta 0), reused xx (delta 0) 接收對象中:
2020-06-23 07:45:42
原创 神經網絡訓練輸入數據並行化
在訓練神經網絡的時候，有時候數據的讀取處理所佔用的時間比較長，像數據量非常大的情況，或者是3D的數據預處理比較耗內存的情況。此時我們希望並行化，即數據處理與訓練同時進行。 參考：https://tensorpack.readth
2020-06-23 07:45:42
原创 【醫療影像處理】對分割的mask做處理，保留最大聯通區域
API skimage.measure https://scikit-image.org/docs/dev/api/skimage.measure.html out_arr 爲得到的結果mask矩陣。 from skima
2020-06-23 07:45:42
4
原创 【SimpleITK】分割label覆蓋到原圖上顯示
醫療影像跟自然場景下圖像的區別之一就是“像素”範圍不一樣，在將label覆蓋到原圖上時也略微不同，但是必須要將圖像歸一化到[0,255][0,255][0,255]。 我們使用SimpleITK的相關API來解決這個問題。 涉及到
2020-06-23 07:45:42
8
原创 【SimpleITK】分割結果融合策略
前言 有時我們會有多個專家標註的結果或者是多個模型得到的結果，對所有的結果做一個融合，目前有兩種主流做法： 投票法 (majority vote) STAPLE (Simultaneous Truth and Performan
2020-06-23 07:45:42
22
原创 圖解BERT模型：從零開始構建BERT
轉載：https://cloud.tencent.com/developer/article/1389555 本文首先介紹BERT模型要做什麼，即：模型的輸入、輸出分別是什麼，以及模型的預訓練任務是什麼；然後，分析模型的內部結
2020-06-08 20:53:07