九叶草

摘要： 对于小数据量医学图像进行深度学习使，会由于数据量过小而过拟合。因此我们需要采用数据扩充方法，而flip和rotate又是经常用到的，这里做一个简单的实现。 输入为[batchsize,height, width, channel]。这里是2D医学图像数据增强，我之前应该有写到3D增强，不过2D稍加改 阅读全文

摘要： #coding:utf-8# 任务需要，需要删除多余的文件，手动删除太麻烦，几行python搞定 import os from glob import glob path = r"/media/icml-014/peixu/MyData/2019brain/valid/*" # 获取到目录 all_ 阅读全文

摘要： # coding:utf-8 import numpy as np import torch # 首先确定原图片的基本信息：数据格式，行数列数，通道数 rows=886#图像的行数 cols=492#图像的列数 patchsx = rows patchsy = cols batchsz = 16 c 阅读全文

摘要： import cv2 #OpenCV包 import numpy as np # 首先确定原图片的基本信息：数据格式，行数列数，通道数 rows=886#图像的行数 cols=492#图像的列数 channels =1# 图像的通道数，灰度图为1 path = r"C:\Users\wpx\Desk 阅读全文

摘要： #coding:utf-8 import torch from monai.transforms import Compose, RandHistogramShiftD, Flipd, Rotate90d import matplotlib.pyplot as plt import SimpleIT 阅读全文

摘要： 窗宽指CT图像所显示的CT 值范围，在此CT值范围内的组织和病变均以不同的模拟灰度显示窗位（窗中心）指窗宽范围内均值或中心值，如果窗宽为100Hu，当窗位为中心 0Hu，则CT值的范围为-50Hu ~ +50Hu；当窗位为中心 +35Hu，则CT值的范围为-15Hu ~ +85Hu； def inf 阅读全文

摘要： #coding:utf-8 import matplotlib.pyplot as plt import numpy as np import os from skimage.transform import resize from glob import glob import SimpleITK 阅读全文

摘要： import SimpleITK as sitk from glob import glob import os path = glob(r"D:\MyData\date\*") n = len(path) res = [] for file in path: # print(file) file_ 阅读全文

摘要： file_name = ["portalvein", "venoussystem", "venacava"] def read_dicom(path): lstFileDCM = [] for dirName, subdirList, fileList in os.walk(path): n = l 阅读全文

摘要： 话不多说，直接上代码。 # coding:utf-8 import zipfile import utils_file n = 21 # 我事先知道我有多少个文件，所以确定为21 for i in range(1, n): path = r"D:\MyData\3Dircadb1\3Dircadb1 阅读全文