- 博客(428)
- 资源 (2)
- 收藏
- 关注
RSS订阅原创 Hecktor 2022 数据集介绍
Hecktor（Head and Neck Tumor Segmentation）数据集是一组用于头颈部肿瘤分割的多模态医学影像数据，主要用于 头颈部肿瘤分割和分析任务，尤其是 PET/CT 引导的自动分割。它由国际挑战赛 HEad and neCK TumOR segmentation challenge（Hecktor） 提供，挑战赛的目标是推动 基于深度学习的自动肿瘤分割方法，提高 放射治疗 和 计算机辅助诊断（CAD） 领域的精确性。Hecktor 数据集主要包含以下数据：Hecktor 数据集主要
2025-02-13 18:07:11
672
6
原创 CT MRI PET PET/CT PET/MRI 五种成像的解释
原理：特点：应用：原理：特点：应用：常见 MRI 模态：原理：特点：应用：原理：特点：应用：原理：特点：应用：对于 PET 超分辨率任务：
2025-02-13 10:37:57
862
原创 极坐标 径向位置
即该点到图像中心（或某个参考点）的距离。在 CNN 处理中，这类信息可能会被用作。，帮助模型学习图像的空间分布模式。，极坐标更适用于描述。
2025-02-12 17:18:54
220
原创 死循环电脑蓝屏
你的 Dell OptiPlex 7040 突然断电后，BIOS 可能被重置（或默认更改了 SATA 模式）。当 SATA 模式被更改时，Windows 启动时无法加载正确的存储驱动，就会导致。突然断电后，BIOS 可能会重置，导致硬盘模式（AHCI / RAID）发生变化，从而引起 "INACCESSIBLE BOOT DEVICE" 错误。如果 Windows 启动时找不到正确的存储设备（即系统磁盘），就会出现。后，Windows 重新识别了存储设备，就可以顺利启动了。，这可能是由于突然断电导致。
2025-02-09 11:13:06
798
原创 Efficient Single Image Super-Resolution with Entropy Attention and Receptive Field Augmentation
32]The10[10]733–752.[42]
2025-02-07 11:16:53
450
原创 BCSCN: Reducing Domain Gap through Bézier Curve basis-based Sparse Coding Network for SISR
不同的传感器、降质算法或环境条件可能会引入不同的噪声模式、伪影类型和残余结构。因此，这种差异会导致。会导致上述视觉缺陷的表现方式有所不同。，从而影响超分辨率和图像复原模型的泛化能力。在大多数情况下，图像在退化过程中会出现。
2025-02-07 11:04:38
624
原创 x.permute(0, 3, 1, 2).contiguous() 和 x.permute(0, 3, 1, 2)
使用可以确保张量是连续的，避免潜在的性能问题。如果确定后续操作不需要连续的内存布局，可以直接使用来避免不必要的内存复制。
2024-07-12 01:14:57
643
原创 Flair以及T1ce 哪个成像时间快
在医学成像，特别是磁共振成像（MRI）中，Flair（Fluid-attenuated inversion recovery）和T1加权对比增强（T1ce, T1-weighted contrast-enhanced）的成像时间各有不同。
2024-07-10 23:47:33
389
原创 Params(M), Multi-Adds (G),FLOPS之间的区别
参数数量指的是模型中所有可训练参数的总数。这些参数包括权重和偏置项等。
2024-06-29 01:25:28
1377
原创 2024-6-11-Linux验证当前目录的完整路径
命令（Print Working Directory），它会显示你当前的完整路径名。如果你想验证当前所在的目录，可以使用。
2024-06-11 23:58:34
156
原创 2024-6-11-SPECT和PET的区别是什么
SPECT（单光子发射计算机断层扫描）和PET（正电子发射断层扫描）都是核医学成像技术，用于诊断和治疗监测。总的来说，选择SPECT还是PET取决于具体的临床需求、成本考虑以及所需的成像质量。PET因其高分辨率和定量能力通常用于更复杂的诊断和研究。
2024-06-11 15:51:14
917
原创 2024-6-10-Model-Agnostic Meta-Learning (MAML)
Model-Agnostic Meta-Learning (MAML) 是一种元学习（meta-learning）方法，旨在通过学习模型的最佳初始状态，使得基本学习器（base-learner）可以在少量梯度更新中快速适应新任务。
2024-06-10 20:25:31
759
原创 2024-6-10-zero shot,few shot以及无监督学习之间的关系是什么
Zero-shot learning、few-shot learning和无监督学习都是机器学习中的方法，它们共同的特点是在有限或没有标签数据的情况下进行学习。
2024-06-10 16:16:34
1646
原创 2024-04-22-2023-CIBM-Multi-Stage Hybrid Attention Network for MRI reconstruction and SR
The proposed MHAN has some limitations. First, in practice, this multi-task network may need to deal with different masks and scaling factors than in the pre-training. Due to the limited memory of MR Scanners, it is not cost-effective to train a model for
2024-04-22 23:55:40
371
原创 2024-04-22-医学图像IXI数据集处理
摘自：2023-CIBM-Multi-Stage Hybrid Attention Network for MRI reconstruction and SR。
2024-04-22 23:46:58
956
原创 2024-04-22-Residual Dense Network和Residual Feature Aggregation Network
The motivation of RDB and RFA is that the hierarchical feature representations should be fully used to learn local patterns.A RFA module contains several residual modules and mainly aggregates features from the residual branches. In contrast, the RDB colle
2024-04-22 20:44:03
470
原创 2024-4-21-应用于超分辨率任务的损失函数的区别是什么？
导致整体损失迅速增加。但当差异很大时，其平方会显著增加，从而在整体损失中占据更大的比重。这种对大误差更敏感的特性意味着，如果数据集中存在异常值（即那些与其他数据点显著不同的值），它们会对损失函数的值产生不成比例的影响。因此，在存在异常值的数据集上，使用MSE损失可能不是最佳选择，因为模型可能会过于关注那些异常值，而不是学习到更普遍的、对整个数据集来说更有用的模式。MSE损失（均方误差损失）对大的误差给予更大的惩罚这一特性的含义是：当预测值与真实值之间的差异较大时，这种差异在损失函数中的贡献会以。
2024-04-21 17:45:09
280
原创 noise = th.randn_like(x) 和 img = th.randn(*shape)区别
如果你需要一个与某个现有张量具有相同形状和设备的随机张量，而不需要指定具体的形状和设备，使用更为方便。如果你需要创建一个具有特定形状和可能指定设备的新随机张量，且这个形状不依赖于任何现有的张量，那么会是更好的选择。
2024-03-30 22:19:55
305
转载 pytorch训练网络时报错：RuntimeError: received 0 items of ancdata
错误的原因：dataloader加载数据时，pytorch多线程共享tensor是通过打开文件的方式实现的，而打开文件的数量是有限制的，当需共享的tensor超过open files限制时，即会出现该错误。原文链接：https://blog.youkuaiyun.com/chen1234520nnn/article/details/103935825。
2023-08-08 15:06:39
576
原创 Bug解决-Torch.save FileNotFoundError: [Errno 2] No such file or directory
Bug解决-Torch.save FileNotFoundError: [Errno 2] No such file or directory
2022-07-26 15:01:21
4557
原创 Bug解决-TypeError: can‘t convert CUDA tensor to numpy. Use Tensor.cpu() to copy the tensor to host mem
Bug解决-TypeError: can‘t convert CUDA tensor to numpy. Use Tensor.cpu() to copy the tensor to host mem
2022-07-21 17:53:29
1659
原创 Bug解决-IndentationError:expected an indented block
Bug解决-IndentationError:expected an indented block
2022-07-21 15:10:29
568
原创 Bug解决-RuntimeError: Sizes of tensors must match except in dimension 2. Got 320 and 160 (The offendin
具体来说，就是将原来一个低分辨的像素划分为rr个更小的格子，利用rr个特征图对应位置的值按照一定的规则来填充这些小格子。C=torch.cat((A,B),0)就表示按维数0（行）拼接A和B，也就是竖着拼接，A上B下。C=torch.cat((A,B),1)就表示按维数1（列）拼接A和B，也就是横着拼接，A左B右。.cat是将两个张量（tensor）拼接在一起，cat是concatnate的意思，即拼接，联系在一起。是其属性，而size()是其继承的方法，两者均可以获得tensor的维度。...
2022-07-21 10:53:34
20565
转载 Bug解决-TypeError: transpose() received an invalid combination of arguments - got (int, int, int, int)
给transpose传入了错误数量的参数，transpose一次只能调换两个维度。若要交换多个维度建议调用。
2022-07-21 09:11:18
4631
原创 Perceptual loss代码2
import torchimport torchvisionclass VGGPerceptualLoss(torch.nn.Module): def __init__(self, resize=True): super(VGGPerceptualLoss, self).__init__() blocks = [] blocks.append(torchvision.models.vgg16(pretrained=True).features[.
2022-03-09 16:02:35
740
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人