上一页 1 ··· 5 6 7 8 9 10 11 12 13 ··· 16 下一页
摘要: 分割部分 利用T2-flair数据 训练500次后的分割效果: loss值变化情况: 采用dice系数而不是交叉熵,所以会出现loss小于0的情况 dice系数:最终的val_dice在0.65左右 预测值: 真实标签: 利用reg_T1数据 训练500次后的分割效果: 最终的val_dice在0. 阅读全文
posted @ 2025-12-14 00:59 点影成金 阅读(9) 评论(0) 推荐(0)
摘要: 测试:考虑采用标准化方法对时间序列数据进行预处理 划分数据集:在数据增强之前划分数据集 交叉验证:事先划分数据集的话,考虑不采用交叉验证 拆分数据集: from sklearn.model_selection import train_test_split X_train, X_valid, y_t 阅读全文
posted @ 2025-12-14 00:54 点影成金 阅读(9) 评论(0) 推荐(0)
摘要: 图片有通道,通常是RGB 时间序列也有通道,即不同维的时间序列数据 最简单的1维时间序列可以认为是1个通道(一条线) 利用CNN分类时间序列的网络结构: 搭建网络步骤: 它们的步骤差不多是一样的: [导入模块并创建数据] [建立模型] [定义优化器] [编译模型] [训练模型] [检验模型] [可视 阅读全文
posted @ 2025-12-14 00:53 点影成金 阅读(10) 评论(0) 推荐(0)
摘要: 池化层的本质是采样, 作用: 1.减少参数 2.增强网络的鲁棒性,例如当图像发生微小的位移时,通过pooling可以减小这种位移带来的影响 有一定的抗扰动的作用 阅读全文
posted @ 2025-12-13 20:39 点影成金 阅读(4) 评论(0) 推荐(0)
摘要: 用model.add一段一段添加神经网络层,好比是一个水管, 一段一段的,数据从上面一段掉到下面一段,再掉到下面一段. 阅读全文
posted @ 2025-12-13 20:35 点影成金 阅读(8) 评论(0) 推荐(0)
摘要: ModelCheckpoint保存训练过程中的最优模型 阅读全文
posted @ 2025-12-13 20:13 点影成金 阅读(4) 评论(0) 推荐(0)
摘要: 利用软件REST 阅读全文
posted @ 2025-12-13 19:26 点影成金 阅读(4) 评论(0) 推荐(0)
摘要: 输入DPARSF>选择路径(Working Directory选上一级路径) Time Points 选原始数据图片数量 Remove First 去除前十张图像 (记得提前备份数据,会删除文件夹里的图片) 选Define ROI>AAL atlas>OK 运行完成后生成的一组文件夹 结果在 Res 阅读全文
posted @ 2025-12-13 19:20 点影成金 阅读(18) 评论(0) 推荐(0)
摘要: 读取图片: >> img3 = imread('1.jpg'); 显示图片到figure: #变量名不加单引号,文件名加单引号 #参数[]表示在指定的灰度范围内显示图像,超出此灰度范围 显示为黑色或白色.为空表示默认为最大值和最小值(0~255) 图片另存为: #gcf表示图形句柄(handle), 阅读全文
posted @ 2025-12-13 19:17 点影成金 阅读(22) 评论(0) 推荐(0)
摘要: 模型; SD大鼠大脑中动脉栓塞(MCAO)2小时/再灌注模型 结果: 模型组伊文思蓝术后2小时含量明显增加,峰值出现在24小时组。 参考文献: SD大鼠大脑中动脉栓塞2小时/再灌注模型的病理分期研究 模型; SD大鼠,线栓法制备大鼠左侧颈动脉栓塞2 h再灌注24 h模型。 结果: 再灌注24 h后, 阅读全文
posted @ 2025-12-13 17:34 点影成金 阅读(6) 评论(0) 推荐(0)
上一页 1 ··· 5 6 7 8 9 10 11 12 13 ··· 16 下一页