liuqiang3的博客

论文标题Accurate and robust deep learning-based segmentation of the prostate clinical target volume in ultrasound images这是2019 MICCAI最佳论文因为是关于超声的文章，而我自己也是做超声图像的，认真读了下从中汲取灵感。1。文章目的：文章主要目的是解决超声前列腺体积分割过程...

最近需要做AUC的显著性检验，delong test是比较常见的AUC显著性检验的方法。我大体研究了一下。原理：1.以两个不同的模型对肿瘤良恶性进行分类，其中vgg的AUC为A1A_1A1​,svm结果得到的AUC为A2A_2A2​，delong test就是首先计算两者AUC差值θ=A1−A2\theta = A_1-A_2θ=A1​−A2​2.然后根据计算出A1A_1A1​和A2A_2...

超声成像过程1，超声RF信号即为超声射频信号，是超声回波经过数模变换后得到的数据。2，射频信号形成一幅超声图像经过的流程为：1，信号处理模块1.1 滤波处理目的：为排除噪声干扰在基波成像模式下（其中基波成像为接收与发射频率相同的回波信号进行成像），滤波器中心频率为探头的发射频率。在谐波成像模式下（其中是使用回波的二次高等次谐波成像），谐波模式下滤波器的中心频率为探头发射频率的两倍。...

np.piecewise函数numpy.piecewise(x, condlist, funclist, *args, **kw)参数一 x:表示要进行操作的对象参数二：condlist，表示要满足的条件列表，可以是多个条件构成的列表参数三：funclist，执行的操作列表，参数二与参数三是对应的，当参数二为true的时候，则执行相对应的操作函数。返回值：返回一个array对象，和原始操...

只需要就加个在列表前加个*完美解决例如def my_func(a,b,c) passmy_list = [1,2,3]my_func(*my_list)就解决了问题

http://blog.kaggle.com/2017/10/17/planet-understanding-the-amazon-from-space-1st-place-winners-interview/

1.使用easy ensemble解决样本不平衡的问题效果很好2.传统数据扩增效果也不错3。数据预处理非常重要。对于脑袋类型的信号可以使用EEG网络进行处理尝试了一下snapshot ensemble效果很不好，可能是因为我们的数据集数量太少了数据扩增的一些想法mixup方法可以接下来使用一下，感觉效果GAN数据扩增试一下...