摘要： SimpleITK 和 Nibabel 的区别： SimpleITK 加载数据是channel_first，即（155，240，240）； Nibabel 是 channel_last，即（240，240，155），其中155是图像通道数，也就是155张图像，可以把nii看成二维图像，也可以看成三维 阅读全文

摘要： https://appsrv.cse.cuhk.edu.hk/~lzhu/ 阅读全文

摘要： 1. 首推MICCAI(International Conference on Medical Image Computing and Computer-Assisted Intervention) MICCAI is a unified conference formed by the merge 阅读全文

摘要： 摘 要 在医学图像分割任务中，重点是从背景像素中检测和区分出代表感兴趣区域的前景像素。到目前为止，背景像素构成了图像中大多数像素。因此，对于背景像素而不是前景像素的检测存在一致的偏差。这导致基于深度学习的医学图像分割频繁出现的假阴性像素分类，即前景像素被错误地分类为属于背景像素类别。在本文中，我们提 阅读全文

摘要： 链接：https://pan.baidu.com/s/1A6PA1QYZQcI2bqwXTuVFAA 提取码：2d2y 阅读全文

摘要： 这篇介绍一下损失函数在医学图像分割问题中的应用。 1. 损失函数在医学图像分割中的应用 上一篇文章中我们讨论了标准的交叉熵损失函数及其加权版本，这些损失函数也都广泛应用在医学图像分割问题中。但是针对大背景中的小前景对象分割问题（常见于医学图像，典型的类别不平衡），基于重叠度的损失函数（例如Dice 阅读全文

摘要： 本文总结一下基于深度学习的自然图像和医学图像分割问题中，常用的损失函数。 从频率派的角度看深度学习模型，是把输入数据 假设为一个随机变量，服从一个概率分布 , 其中的参数 是未知常量。我们需要对 进行求解，但深度学习模型直接得到解析解是不可能的，我们只能求得 来逼近 。损失函数就是作为优化过程的指导 阅读全文

摘要： 2020年应该思考的问题 1、基础问题 为什么使用U-net网络？好处是什么？与FCN网络相比，有什么不同？ 项目中为什么使用空洞卷积？好处是？ 训练中出现过拟合现象的原因？解决的方法？ 分类相关框架：VGGNet的卷积核尺寸是多少？max pooling使用的尺寸？为什么使用3×33×3的尺寸？ 阅读全文

摘要： 代码如下： from PIL import Image from PIL import ImageChops im1 = Image.open('first_card.jpg') im2 = Image.open('second_card.jpg') im3 = ImageChops.invert( 阅读全文

摘要： import tensorflow as tf #精确率评价指标 def metric_precision(y_true,y_pred): TP=tf.reduce_sum(y_true*tf.round(y_pred)) TN=tf.reduce_sum((1-y_true)*(1-tf.roun 阅读全文