- 博客(5)
- 收藏
- 关注
RSS订阅原创 处理 EEG 数据的分类任务代码架构
load_mat_data(mat_file_paths) 函数用于加载并处理EEG数据，数据和标签的分割、拼接等操作。train_and_evaluate(mat_file_paths) 负责调用数据加载和模型构建函数，并执行模型训练。4. 使用训练集数据训练模型，训练 50 个 epoch，批量大小为 32，并在验证集上验证模型。1. 假设 EEG 数据的形状为 (通道数, 时间点数, 样本数)，标签的形状为 (样本数,)。1. 调用 load_mat_data 函数加载数据并划分训练集和测试集。
2025-02-05 14:40:38
770
原创 基于Alexnet卷积网络处理乳腺肿瘤数据集
**`AlexNet.classifier[6] = nn.Linear(in_features, len(class_names))`**：替换最后一层（全连接层）为一个新的线性层，该层输出的维度为 `len(class_names)`，即与目标分类任务的类别数一致。- **`next(iter(test_dataloader))`**：从 `test_dataloader` 中获取一个批次的数据，`inputs` 是图像张量，`labels` 是对应的标签张量。
2024-08-18 07:32:21
807
原创 基于AlexNet架构的卷积神经网络模型用于对胸部X光图像进行二分类（例如，诊断肺炎）
1. 肺炎1. 肺炎正常的胸部 X 线片描绘了清晰的肺部，图像中没有任何异常混浊的区域。1.1 细菌性肺炎临床表现细菌性肺炎通常由细菌引起，如肺炎链球菌、流感嗜血杆菌、肺炎克雷伯菌等。患者可能出现高热、寒战、咳嗽、咳痰（痰液可能呈脓性）、胸痛、呼吸困难等症状。影像学特征。
2024-08-08 10:50:12
916
原创 卷积神经网络
一、认识CNN卷积神经网络一、认识CNN卷积神经网络卷积神经网络（Convolutional Neural Network，CNN）是一种用于处理图像和其他多维数据的深度学习模型。它在计算机视觉任务中表现出色，如图像分类、目标检测、语义分割等。CNN的核心思想是利用卷积操作来提取图像的特征，并通过层层堆叠的方式进行深度学习。以下是CNN的主要组成部分和工作原理：卷积层（Convolutional Layer）卷积操作是CNN的核心，它通过滑动一个小的滤波器（也称为卷积核）在输入数据上提取特征。
2024-08-02 10:01:43
661
原创 详细肺超声基础知识1
肺超声是急危重症超声应用中不可或缺的重要内容，对多种急慢性疾病的肺部评估意义重大。包括肺水肿、急性肺损伤、气胸、肺炎、肺栓塞、肺间质性疾病等。
2024-07-21 13:03:53
2383
1
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人