摘要：
分割 采用4例T1数据，共192层切片，采用2D UNet 不使用数据增强 100 epochs训练后，平均iou为0.6950 阅读全文
posted @ 2025-12-18 16:29
点影成金
阅读(8)
评论(0)
推荐(0)
摘要：
Dire...输出文件夹 Design 单样本,双样本,... One-Way ANOVA 方差分析 One 重复测量的方差分析 mask result 结果(设置好参数后回车) 显示3D图 SPM-Image Calculation mask-lesion 阅读全文
posted @ 2025-12-18 16:28
点影成金
阅读(12)
评论(0)
推荐(0)
摘要：
CT灌注提供了平均通过时间MTT（mean transit time），峰值时间TTP（time to peak）脑血流量CBF（cerebra blood flow）和脑血容量CBV（cerebral blood volume）. MTT是一注（bolus）血流通过毛细血管网的平均时间 CBF是每 阅读全文
posted @ 2025-12-18 16:23
点影成金
阅读(20)
评论(0)
推荐(0)
摘要：
最大激活块(Maximally Acticating Patches) 目的:可视化输入图像中什么类型的图像块可以最大限度地激活不同的神经元. 步骤:1.选择神经网络中的一个网络层和一个通道(channel) 输入大量图片,记录所选通道的激活值 将产生最大激活值的图像块进行可视化 阅读全文
posted @ 2025-12-18 16:23
点影成金
阅读(19)
评论(0)
推荐(0)
摘要：
迁移学习+模型微调 http://www.cnki.com.cn/Article/CJFDTotal-XAYD201803006.htm https://www.sciencedirect.com/science/article/pii/S0031320311004006 阅读全文
posted @ 2025-12-18 16:22
点影成金
阅读(23)
评论(0)
推荐(0)
摘要：
共534例 含同一被试的T1像和fMRI像 fMRI 像 : CN:164例 AD:103例 MRI 像 : CN:164例 AD:103例 ADNI数据 按subject升序的形式一页一页下载 不可点击remove 阅读全文
posted @ 2025-12-18 16:20
点影成金
阅读(21)
评论(0)
推荐(0)
摘要：
第二次下载: 3141-3160(含) /4752 阅读全文
posted @ 2025-12-18 16:19
点影成金
阅读(9)
评论(0)
推荐(0)
摘要：
input_shape 是一个5D 张量 (samples,input_dim1,input_dim2,input_dim3,channels) 其中input_dim1,2,3 如果有10帧128*128的图像 则 (input_dim1,input_dim2,input_dim3) =(10,1 阅读全文
posted @ 2025-12-18 16:18
点影成金
阅读(12)
评论(0)
推荐(0)
摘要：
函数式模型: #需要把最后的激活函数改成"softmax" #from keras.models import Model def build_model(): inputs_1 = Input(shape=(input_shape)) x = Conv3D(filters=64, kernel_s 阅读全文
posted @ 2025-12-18 16:17
点影成金
阅读(11)
评论(0)
推荐(0)
摘要：
从小到大 index = [i for i in range(202)] 恒值 index = [1 for i in range(202)] 截取一段 index[0:140] 阅读全文
posted @ 2025-12-18 16:15
点影成金
阅读(16)
评论(0)
推荐(0)
摘要：
Early Stopping 也可以用 callback+checkpoint 阅读全文
posted @ 2025-12-18 16:15
点影成金
阅读(17)
评论(0)
推荐(0)
摘要：
http://nipy.org/nitime/documentation.html nitime:用于神经科学时间序列分析的模块 阅读全文
posted @ 2025-12-18 16:14
点影成金
阅读(10)
评论(0)
推荐(0)
摘要：
用squeeze函数进行处理可以去掉shape中为1的维度 import matplotlib.pyplot as plts 接下来用plt.imshow()显示 阅读全文
posted @ 2025-12-18 16:13
点影成金
阅读(5)
评论(0)
推荐(0)
摘要：
Source Image 和 Images to Write 每次选一个(待处理的图像) 多个图像的话用批处理 Template Image选一个比较标准的 (提供的有标准空间图像) 阅读全文
posted @ 2025-12-18 16:13
点影成金
阅读(6)
评论(0)
推荐(0)
摘要：
todo 对fMRI的某一个ROI的时间序列做预测(需要先对数据做归一化处理) 利用各种模型对AD和CN的fMRI数据实现分类 先用CNN (Conv1D) 再用RNN(LSTM) 最后用CNN+RNN (Merge) 考虑多模态(同一被试在ADNI数据集中有不同的模态成像,如fMRI,MRI,PE 阅读全文
posted @ 2025-12-18 16:12
点影成金
阅读(11)
评论(0)
推荐(0)
摘要：
https://github.com/DandelionLau/Neural-Network-Architecture/blob/master/RNN-FCN.py r_layer1 = LSTM(32, return_sequences=True)(input) r_layer2 = LSTM(6 阅读全文
posted @ 2025-12-18 16:08
点影成金
阅读(11)
评论(0)
推荐(0)
摘要：
idea:conv1D 能够对时间序列进行分类(参考EEG数据) 说明:CNN可以对时间序列进行分类 RNN_LSTM能够对时间序列进行分类和预测 1.PET脑网络时间序列: 维度:50*116 50代表被试数目(相当于"时间点') fMRI时间序列: 维度:180*116 180代表180个时间点 阅读全文
posted @ 2025-12-18 16:07
点影成金
阅读(14)
评论(0)
推荐(0)
摘要：
python if __name__ == '__main__': 的作用： 体现了模块化编程的思想， 这样就在一定程度上实现了即插即用。 便于调试。 if语句后面是测试代码，被外部调用是不执行。 增强函数的复用性， 因为这样一来，函数既可以当主函数用，又可以当工具模块来被import调用。 阅读全文
posted @ 2025-12-18 15:36
点影成金
阅读(12)
评论(0)
推荐(0)
摘要：
grade def grade(score1, score2): average_score = (score1 + score2) / 2 return average_score def level(score): if score >= 60: print("合格！") else: print 阅读全文
posted @ 2025-12-18 11:48
点影成金
阅读(11)
评论(0)
推荐(0)
浙公网安备 33010602011771号