- 博客(7)
- 收藏
- 关注
RSS订阅原创 类脑计算节点划分
在类脑建模流程中，节点划分是一个基础而关键的步骤，以下总结主要的划分方法，主要分为三类：按解剖结构划分、按功能连接划分和按数据驱动划分。
2025-07-23 16:18:53
853
原创 HCP（human connectome project）数据集解读2
本文介绍了HCP（人类连接组计划）数据集的下载与使用流程。主要介绍了7TMRI结构化处理数据集，并提供了可视化示例。数据适用于皮层重建、体积统计等功能。
2025-07-18 17:01:45
1241
原创 neruolib全脑建模计算框架
neurolib 是一个用python编写的全脑建模计算框架，也是可扩展的、允许轻松实现自定义神经质量模型，能够在介观尺度上表示脑区平均活动。
2025-07-15 17:34:10
819
原创 HCP（human connectome project）数据集解读1
人脑连接组计划，旨在通过先进脑成像技术绘制活体人脑功能与结构的高精度连接图谱。
2025-07-11 17:06:09
1173
原创 基于深度学习的医疗监护仪自动数据采集系统论文阅读笔记
同样，置信度低的信息会被删除，剩下的文本 ID 会与预先存储的字典文件进行比较，以还原文本内容。最后，结合文本内容信息和文本位置信息，将识别出的文本打印在原始图像的相应位置，方便用户查看，从而实现对屏幕的识别和检测.最后，采集的数据将被格式化并传输到医院的数据记录系统。在医疗手术进行过程中，必须有专业医护人员对病人的生命体征信息进行实时的监测与反馈，以便主刀医生做出输液、输血等决定，然而目前的医疗设备缺乏自动数据采集与记录功能，并且医疗设备的传输接口具有非统一性和专有性，给记录信息带来了极大的挑战。
2025-06-05 21:27:34
765
1
原创 EGS配准方法论文阅读
在进行互相关计算时，作者使用了加权策略，增强了对重要点云区域的关注，同时抑制了噪声区域的干扰，这对于提高精度和鲁棒性非常重要。论文意义：当前流行的深度学习方法最大的局限性在于在不同的训练数据的基准数据上的性能会下降，因为基准数据缺乏数据可变性。2. 点云处理：对较大的点云（如KITTI数据集中的点云）进行体素化，素化的目的是减少点云的复杂度，提高后续计算的效率。方法：从点云数据集出发创建三维注册基准，对具体的注册参数进行深入分析，并提供更大范围的注册参数可变性。的情景，提出了改进的。
2025-06-05 10:29:25
861
2
原创 DeepVCP论文阅读笔记
纳入关键点权重，使用 TensorFlow 中新引入的 SVD 算子执行一次优化迭代来构建另一个对应点，关键点与新生成的对应点之间的 L1 距离将再次作为另一种损失，两个损失函数一起训练，进行端到端的闭环训练。图 1. 我们提出的端到端点云注册方法的主要步骤示意图： (a) 源点云（红色）和目标点云（蓝色）以及点加权层检测到的关键点（黑色）。第三步在关键点邻域使用DFE层（迷你点网结构）提取局部特征，设定提取k个点，少于k个则进行复制，mini-PointNet 同样使用MLP；
2025-05-30 16:44:42
223
2
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