浩瀚之水的专栏

2017年1月12日在中国汽车协会举办的信息发布会上，中汽协秘书长助理代表协会对2017年中国汽车市场作出预测：“2017年我国的汽车产销量预计为2940万辆，增速预计保持在5%左右。”在当天发布的产销数据中，2016年汽车销量达2803万辆。 中国汽车销售市场连年火爆，自主品牌实力不断增强，对汽车整车及零部件的质量检测与管控都提出了极高的要求。只有不断提高产品质量，才能保证在竞争激烈的市

1. 自编码器图像去噪 https://blog.youkuaiyun.com/baidu_28610773/article/details/846669182. TensorFlow实现卷积自编码器对图像进行去噪 https://blog.youkuaiyun.com/qq_34464926/article/details/809361503. 基于深度卷积神经网络的图像去噪方法 https://blog....

当首次介绍深度学习时，我们认为它是一个要比机器学习更好的分类器。或者，我们亦理解成大脑神经计算。第一种理解大大低估了深度学习构建应用的种类，而后者又高估了它的能力，因而忽略了那些不是一般人工智能应用的更现实和务实的应用。最好最自然的理解应该是从人机交互角度来看待深度学习应用。深度学习系统似乎具备近似于生物大脑的能力，因此，它们可以非常高效地应用于增强人类或者动物已经可以执行的任务上

HALCON Progress与以往HALCON不同，是MVTec定义的一个全新机器视觉软件产品。HALCON Progress是用户享有最新机器视觉功能的一条快速途径。HALCON Progress大约每六个月发布一个新版本，因此HALCON Progress的用户可以比之前更快、更频繁的访问最新的功能，更早访问最新的机器视觉算法功能意味着用户可以缩短新一代产品上市的时间，更好抓住市场机遇。为了...

由制造行业的杂志《Manufacturing Tech Insights》2016年评选的机器视觉解决方案供应商Top 10名单如下：Cognex 提供强大的机器视觉软件解决方案，高效的设备防错与故障检测监测供应商Datalogic 为了改善工作节奏革新了机器数据硬件和软件行业最高水平IVISYS 主要为产品认证、缺陷检测和测量应用等行业开发和销售视觉系

ViDi Systems SA被Manufaturing Tech Insights评选为2016年十大生产制造行业的机器视觉解决方案提供商之一。 2016年6月30日，美国城市费拉蒙，经Manufaturing Tech Insights认可，ViDi Systems SA，作为瑞士领先的软件公司，成功获得了跻身2016年制造业机器视觉解决方案提供商TOP 10的美誉。 

三分钟知识学习到~随着深度学习的快速发展，基于卷积神经网络(CNN)的计算机视觉技术在工业领域得到了广泛的应用。目前，机器视觉表面缺陷检测是CNN在工业上最成熟的应用之一。接下来介绍深度学习在表面缺陷检测领域的应用。缺陷检测问题的定义表面缺陷不仅影响产品的美观和舒适度，而且一般也会对其使用性能带来不良影响，因此企业对产品的表面缺陷检测非常重视，以便有效控制产品质量。当前对于缺陷有两种认知的方式：有监督的方法，也就是体现在利用标记了标签(包括类别、矩形框或逐像素等)的缺陷图像输入到网络

人脸应用在计算机视觉体系中占很大一块，在深度学习火起来之前，基于传统机器学习的人脸应用就已经很成熟了，有很多商用应用场景。本文用一个可以实际运行的Demo来说明人脸应用中常见的技术概念，包含‘人脸检测’、‘人脸对比’、‘人脸表征检测（五官定位）’、‘眨眼检测’、‘活体检测’以及‘疲劳检测’。人脸检测严格来讲，人脸检测只包含对照片中的人脸进行定位，人脸检测只获取照片中人脸的矩形方框（Left、Top、Right、Bottom），再没有其他的内容。现如今网上大部分“人脸检测”概念模糊，包含的东西

这篇文章给大家讲一个看上去很直观、实际上非常高大上的话题——CT三维重建，小编拜读后很有收获，希望对大家也有所帮助！文：北京协和医院放射科孙昊来源：《从医开始，协和八的奇妙临床笔记》相信各位同学在临床工作中，已经接触到很多CT三维重建的图像了，那么CT三维重建到底是个啥东东？这个问题要是从CT技术的角度去阐述，俩小时不一定讲得完。说的简单些呢，除了普通的CT图像（就是我们最熟悉的横断面图像，又称为轴位图像）以外，无论是“高级些”的冠、矢状位图像，还是“逼真程度”很高的血管重建、泌尿系重建、器

1像素（Pixel）和体素（Voxel）像素（Pixel）是构成图像的基本单位，即图像可被分解成的最小的独立信息单元。因为图像是二维的，所以像素也是没有“厚度”概念的，其最大特点就是一个二维的概念。体素（Voxel）是指像素所对应的体积单位，与像素不同点在于，体素是一个三维的概念，是有厚度差别的，图像所对应的层厚就是体素的“高度”。2矩阵（Matrix）每幅图像都有数目不同的像素所构成，像素的多少通常用矩阵来表示，它是指构成图像的矩形面积内每一行和每一列的像素数目，如256*256，512*51

Visual Studio 2015+cmake编译安装MD版的DCMTK下一章 DCMTK（MD版）、QT、VS2015编写浏览医学图像应用-- 读取模块 https://blog.youkuaiyun.com/chaoenhu/article/details/101704350免编译，直接 去中科院分子影像重点实验室Radiomics组官网下载编译好的文件http://www.radiomics.net.cn/platform/version/6一、编译环境本文的编译机器是Windows..

python读取.nii.gz文件并展示医学图片注意细节 我的数据集格式 展示图片 补充注意细节第一次做医学图像相关的内容，拿到数据集却不会用，搞了半天终于可以打开显示了，必须写一个给跟我一样的小白！！！1.width, height, queue = img.dataobj.shape这句话是取shape中的三个参数，而我的patient001_4d.nii.gz这个文...

医学图像分割 基于深度学习的肝脏肿瘤分割 实战(一）https://blog.youkuaiyun.com/normol/article/details/88778250医学图像分割 基于深度学习的肝脏肿瘤分割 实战(二）https://blog.youkuaiyun.com/normol/article/details/88944314使用U-Net分割方法进行癌症诊断（教程翻译）https://blo...

版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。本文链接：https://blog.youkuaiyun.com/JYZhang_CVML/article/details/79519748文章来源：Kamnitsas K, Ledig C, Newcombe V F J, et al. Efficient multi-scale 3D CNN wit...

腾讯AI，开源又有新动作。旗下顶级AI实验室腾讯优图，对外开源了腾讯首个医疗AI项目——深度学习预训练模型MedicalNet。这一项目，专为3D医疗影像在深度学习上的应用开发，也是业内首个同方向上的预训练模型。腾讯优图说，MedicalNet能够加快模型收敛，减轻模型对数据量的依赖，帮助3D医疗影像AI应用“打地基”。而且，专有领域专有模型，MedicalNet相当于为...

PS 为了方便查找，将SongpingWang的肺结节系列博客放在一起。（刚好公司要我开始接手这一块）感谢大神具体链接：0 ：https://blog.youkuaiyun.com/wsp_1138886114/article/details/818408911 ：https://blog.youkuaiyun.com/wsp_1138886114/article/details/818725552 ：h...

自编码器(AutoEncoder)是深度学习中的一类无监督学习模型，由 encoder 和 decoder 两部分组成。 • encoder 将原始表示编码成隐层表示; • decoder 将隐层表示解码成原始表示; • 训练目标为最小化重构误差; • 隐层特征维度一般低于原始特征维度，降维的同时学习更稠密更有意 义的表示。 自编码器主要是一种思想，...

Faster-R-CNN算法由两大模块组成：1.PRN候选框提取模块 2.Fast R-CNN检测模块。其中，RPN是全卷积神经网络，用于提取候选框；Fast R-CNN基于RPN提取的proposal检测并识别proposal中的目标。在 学习Faster-RCNN (py-faster-rcnn demo)的基础上 用自己的数据训练 这里选择的是CT肺数据，关于数据处理方面的问题参

近日，科大讯飞可谓喜报连连，除了日益蹿升的股价，技术方面的好消息也不绝于耳。8月7日，科大讯飞在其官方微信公众号上给外界传递了一封喜报，并附以“科大讯飞刷新LUNA医学影像国际权威评测世界记录！”这样振奋人心的标题。提到科大讯飞，相信很多熟悉这家公司的朋友们会联想到它在语音识别、语义理解、机器翻译等领域的耕耘，但它究竟是什么时候涉足到计算机视觉和智慧医疗领域的呢？

近期宜远智能参加阿里天池医疗AI大赛，用3D Faster RCNN模型在CT影像的肺结节探测上，取得了较好的成绩，特别是在计算资源充足的情况下，模型效果表现优异。这是他们的经验分享（https://tianchi.aliyun.com/competition/new_articleDetail.html?raceId=231601&postsId=2898&from=part ）...

转载：https://blog.youkuaiyun.com/weixin_41783077/article/details/80894466摘要：医学图像分割是决定医学图像在临床诊疗中能否提供可靠依据的关键问题。医学图像分割技术的发展不仅影响到医学图像处理中其他相关技术的发展，如可视化、三维重建等，而且在生物医学图像的分析中也占有极其重要的地位。近年来,由于深度学习算法在医学图像分割中的应用, 医...

深度学习在医学影像的三大类项目应用医学影像的分类医学影像的检测医学影像的分割关于数据方面的补充深度学习在医学影像的应用项目目前主要几种在三个方面：分类、检测和分割。下面我就我所接触的这三个方面所用的一些方法以及一些经验进行阐述医学影像的分类常见的应用场景就是分类有没有某一类疾病？比如通过胸片判断该胸片是否有尘肺，等一系胸部疾病。最热门的就是大佬吴恩达曾经发布了一个大型数据集，14类...

【导读】本文整理自2017年6月20日，阿里巴巴iDST算法专家行湘在清华-青岛数据科学研究院、阿里云和零氪科技共同举办的天池医疗AI大赛之“医学影像在肿瘤诊断中的应用及智能诊断探索”上发表的“大数据视觉智能实践及医学影像智能诊断探索”演讲内容精华。　　一、视觉智能实践　　阿里团队主要专注云上的智能视觉技术。　　人工智能曾经过两次繁荣，现在是它的第三次繁荣，主要原因有：一是以深度学