<?xml version="1.0" encoding="utf-8" ?><rss version="2.0"><channel><title><![CDATA[羊羊的博客]]></title><description><![CDATA[计算机科学与技术]]></description><link>https://blog.youkuaiyun.com/qq_43368987</link><language>zh-cn</language><generator>https://blog.youkuaiyun.com/</generator><copyright><![CDATA[Copyright &copy; qq_43368987]]></copyright><item><title><![CDATA[TorchIO数据增强具体效果]]></title><link>https://blog.youkuaiyun.com/qq_43368987/article/details/154126101</link><guid>https://blog.youkuaiyun.com/qq_43368987/article/details/154126101</guid><author>qq_43368987</author><pubDate>Thu, 30 Oct 2025 15:26:12 +0800</pubDate><description><![CDATA[本文介绍了6种医学影像数据增强方法及其在CT和PET影像中的应用：1）RandomFlip实现随机轴翻转，模拟体位差异；2）RandomAffine进行仿射变换，处理扫描角度差异；3）RandomElasticDeformation引入弹性形变，模拟软组织变形；4）RandomNoise添加高斯噪声，增强对低质量图像的适应性；5）RandomGamma调整灰度映射，模拟对比度差异；6）RandomBlur降低分辨率，提升系统泛化能力。]]></description><category></category></item><item><title><![CDATA[TorchIO：超级好用的3D医学图像处理package]]></title><link>https://blog.youkuaiyun.com/qq_43368987/article/details/154021680</link><guid>https://blog.youkuaiyun.com/qq_43368987/article/details/154021680</guid><author>qq_43368987</author><pubDate>Wed, 29 Oct 2025 16:45:23 +0800</pubDate><description><![CDATA[TorchIO是一个基于PyTorch的医学影像深度学习工具包，主要用于MRI、CT、PET等3D医学影像数据的预处理、增强和建模。它支持NIFTI、DICOM等多种格式，提供图像加载、重采样、归一化等预处理功能，以及随机翻转、弹性形变、噪声添加等数据增强方法。]]></description><category></category></item><item><title><![CDATA[CNS配色卡第1弹]]></title><link>https://blog.youkuaiyun.com/qq_43368987/article/details/149176122</link><guid>https://blog.youkuaiyun.com/qq_43368987/article/details/149176122</guid><author>qq_43368987</author><pubDate>Mon, 07 Jul 2025 16:35:07 +0800</pubDate><description><![CDATA[本文分享了多组精美的配色方案，通过9张图片展示了不同风格的色彩搭配。作者认为好看的配色能让文章更赏心悦目，并表示这些资源是近期收集整理的实用素材。文末提到未来还将持续更新更多配色方案，为读者提供更多视觉设计参考。这些色彩搭配适用于各类设计场景，能有效提升内容的视觉吸引力。]]></description><category></category></item><item><title><![CDATA[Python实现Lasso回归]]></title><link>https://blog.youkuaiyun.com/qq_43368987/article/details/149168552</link><guid>https://blog.youkuaiyun.com/qq_43368987/article/details/149168552</guid><author>qq_43368987</author><pubDate>Mon, 07 Jul 2025 15:19:19 +0800</pubDate><description><![CDATA[本文介绍了Lasso回归的应用及其可视化实现方法。主要内容包括：1）Lasso正则化路径图，展示特征系数随正则化强度(alpha)的变化过程；2）特征系数分布图，用于识别关键特征。文章提供了完整的Python代码示例，涵盖数据标准化、最佳alpha值选择、正则化路径计算以及两种可视化方法（散点图和柱状图）。特别强调了数据预处理中处理NaN值的重要性，并展示了如何通过调整参数优化可视化效果。这些方法为特征选择和模型解释提供了实用工具。]]></description><category></category></item><item><title><![CDATA[文献阅读|基于PSMA PET/CT使用机器学习增强前列腺癌的诊断与风险评估]]></title><link>https://blog.youkuaiyun.com/qq_43368987/article/details/148709633</link><guid>https://blog.youkuaiyun.com/qq_43368987/article/details/148709633</guid><author>qq_43368987</author><pubDate>Tue, 17 Jun 2025 16:33:28 +0800</pubDate><description><![CDATA[本研究基于68Ga-PSMA-617 PET/CT影像，采用机器学习构建前列腺癌诊断与风险评估模型。共纳入191例患者（116例前列腺癌、75例良性增生），提取放射组学特征，利用mRMR和LASSO筛选关键变量，构建六种机器学习模型。结果显示，模型在鉴别恶性病变和预测不良病理特征（如Gleason评分、ISUP分级等）方面表现良好，AUC最高达0.938。进一步对39例样本进行蛋白质组学分析，发现影像特征与10个差异蛋白显著相关，提示放射组学在分子层面具有一定生物学解释力。]]></description><category></category></item><item><title><![CDATA[文献阅读|基于PSMA PET/CT与mpMRI多模态深度学习预测前列腺癌的不良病变]]></title><link>https://blog.youkuaiyun.com/qq_43368987/article/details/148430933</link><guid>https://blog.youkuaiyun.com/qq_43368987/article/details/148430933</guid><author>qq_43368987</author><pubDate>Wed, 04 Jun 2025 19:22:06 +0800</pubDate><description><![CDATA[提出一种基于PSMA-1007 PET/CT与多参数MRI的多模态深度学习模型（MPCC），用于预测前列腺癌患者的不良病理（AP）。采用ResNet-50与Vision Transformer提取图像特征，并融合临床特征构建列线图。结果显示，MPCC模型（AUC=0.91）在性能上优于单一模态模型（PET/CT AUC=0.82，MRI AUC=0.84）。SHAP分析验证了模型的可解释性。]]></description><category></category></item><item><title><![CDATA[python实现将姓名转换为大写]]></title><link>https://blog.youkuaiyun.com/qq_43368987/article/details/146291433</link><guid>https://blog.youkuaiyun.com/qq_43368987/article/details/146291433</guid><author>qq_43368987</author><pubDate>Sun, 16 Mar 2025 10:17:25 +0800</pubDate><description><![CDATA[名字转为大写拼音]]></description><category></category></item><item><title><![CDATA[TorchIO使用案例]]></title><link>https://blog.youkuaiyun.com/qq_43368987/article/details/145043389</link><guid>https://blog.youkuaiyun.com/qq_43368987/article/details/145043389</guid><author>qq_43368987</author><pubDate>Thu, 09 Jan 2025 22:30:56 +0800</pubDate><description><![CDATA[使用 TorchIO 和 PyTorch 对 NIfTI 格式的 CT 图像做处理并建模。]]></description><category></category></item><item><title><![CDATA[TorchIO 的使用方法]]></title><link>https://blog.youkuaiyun.com/qq_43368987/article/details/145043068</link><guid>https://blog.youkuaiyun.com/qq_43368987/article/details/145043068</guid><author>qq_43368987</author><pubDate>Thu, 09 Jan 2025 21:44:15 +0800</pubDate><description><![CDATA[加载图像：支持多种医学图像格式（NIfTI、DICOM 等）。数据增强：支持随机翻转、仿射变换、添加噪声等。重采样：将图像重采样到统一分辨率。归一化：标准化强度值。ROI 操作：提取和处理感兴趣区域。]]></description><category></category></item><item><title><![CDATA[TorchIO：3D医学图像处理工具库]]></title><link>https://blog.youkuaiyun.com/qq_43368987/article/details/144970599</link><guid>https://blog.youkuaiyun.com/qq_43368987/article/details/144970599</guid><author>qq_43368987</author><pubDate>Mon, 06 Jan 2025 19:42:04 +0800</pubDate><description><![CDATA[TorchIO 是一个专为医学图像处理设计的 Python 库，构建于 PyTorch 之上。它的目标是为医学影像分析中的深度学习模型（如分类、分割、检测）提供高效、灵活的数据预处理和增强工具。TorchIO 支持 3D 图像数据（如 CT、MRI）以及多模态输入，特别适用于医学影像任务。能够同时加载和处理多种模态的数据（如 T1、T2、FLAIR），为联合分析提供支持。]]></description><category></category></item><item><title><![CDATA[如何使用poetry配置深度学习环境]]></title><link>https://blog.youkuaiyun.com/qq_43368987/article/details/144850231</link><guid>https://blog.youkuaiyun.com/qq_43368987/article/details/144850231</guid><author>qq_43368987</author><pubDate>Tue, 31 Dec 2024 15:26:53 +0800</pubDate><description><![CDATA[poetry 配置深度学习环境 ]]></description><category></category></item><item><title><![CDATA[poetry环境配置避雷点！]]></title><link>https://blog.youkuaiyun.com/qq_43368987/article/details/144848912</link><guid>https://blog.youkuaiyun.com/qq_43368987/article/details/144848912</guid><author>qq_43368987</author><pubDate>Tue, 31 Dec 2024 14:43:56 +0800</pubDate><description><![CDATA[poetry install 配置项目环境 ，出现的错误]]></description><category></category></item><item><title><![CDATA[深度学习可视化工具——GradCAM]]></title><link>https://blog.youkuaiyun.com/qq_43368987/article/details/144294510</link><guid>https://blog.youkuaiyun.com/qq_43368987/article/details/144294510</guid><author>qq_43368987</author><pubDate>Fri, 06 Dec 2024 16:06:55 +0800</pubDate><description><![CDATA[GradCAM可视化]]></description><category></category></item><item><title><![CDATA[AttributeError: module ‘cv2.dnn‘ has no attribute ‘DictValue‘如何解决？]]></title><link>https://blog.youkuaiyun.com/qq_43368987/article/details/144294333</link><guid>https://blog.youkuaiyun.com/qq_43368987/article/details/144294333</guid><author>qq_43368987</author><pubDate>Fri, 06 Dec 2024 16:01:04 +0800</pubDate><description><![CDATA[AttributeError: module 'cv2.dnn' has no attribute 'DictValue'如何解决？]]></description><category></category></item><item><title><![CDATA[医学图像处理3：nii.gz转换为png图像需要考虑窗宽窗位吗？]]></title><link>https://blog.youkuaiyun.com/qq_43368987/article/details/144223710</link><guid>https://blog.youkuaiyun.com/qq_43368987/article/details/144223710</guid><author>qq_43368987</author><pubDate>Tue, 03 Dec 2024 21:11:53 +0800</pubDate><description><![CDATA[CT图像
nii.gz格式 转换为png 格式
设置窗宽窗位
软组织窗]]></description><category></category></item><item><title><![CDATA[医学图像处理1：将nii.gz转换为png图像]]></title><link>https://blog.youkuaiyun.com/qq_43368987/article/details/144181244</link><guid>https://blog.youkuaiyun.com/qq_43368987/article/details/144181244</guid><author>qq_43368987</author><pubDate>Mon, 02 Dec 2024 11:14:58 +0800</pubDate><description><![CDATA[医学图像处理——将nii.gz转换为png]]></description><category></category></item><item><title><![CDATA[医学图像处理2：python如何将DICOM图片转为JPG？]]></title><link>https://blog.youkuaiyun.com/qq_43368987/article/details/142219905</link><guid>https://blog.youkuaiyun.com/qq_43368987/article/details/142219905</guid><author>qq_43368987</author><pubDate>Fri, 13 Sep 2024 20:59:25 +0800</pubDate><description><![CDATA[python将dicon图片转为png
其中包括转为灰度和RGB两种]]></description><category></category></item><item><title><![CDATA[EndNote登录一直显示The username/password specified is not valid]]></title><link>https://blog.youkuaiyun.com/qq_43368987/article/details/135609223</link><guid>https://blog.youkuaiyun.com/qq_43368987/article/details/135609223</guid><author>qq_43368987</author><pubDate>Mon, 15 Jan 2024 19:39:41 +0800</pubDate><description><![CDATA[【代码】EndNote登录一直显示The username/password specified is not valid。]]></description><category></category></item><item><title><![CDATA[计算机组成原理复习7]]></title><link>https://blog.youkuaiyun.com/qq_43368987/article/details/135270053</link><guid>https://blog.youkuaiyun.com/qq_43368987/article/details/135270053</guid><author>qq_43368987</author><pubDate>Sun, 31 Dec 2023 20:00:00 +0800</pubDate><description><![CDATA[计算机组成原理
内存管理
存储器概述
存储器的分类
按在计算机中的作用（层次）分类
按存储介质分类
按存取方式分类
按信息的可保存性分类
存储器的性能指标
存储容量
单位成本
存储速度：数据传输率=数据的宽度/存储周期
存储器的层次化结构
多级存储系统
半导体随机存储器
SRAM和DRAM
SRAM的工作原理
DRAM的工作原理]]></description><category></category></item><item><title><![CDATA[计算机组成原理复习6]]></title><link>https://blog.youkuaiyun.com/qq_43368987/article/details/135269939</link><guid>https://blog.youkuaiyun.com/qq_43368987/article/details/135269939</guid><author>qq_43368987</author><pubDate>Sun, 31 Dec 2023 17:30:00 +0800</pubDate><description><![CDATA[计算机组成原理
总线结构与控制
总线结构
单总线结构
双总线结构
三总线结构
四总线结构
总线控制
判优控制（仲裁逻辑）
链式查询方式
计数器定时查询
独立请求方式
通信控制
同步通信
异步通信
两种传输率的异步串行传送字符格式]]></description><category></category></item></channel></rss>