qq_62546262的博客

原创 【代码小记】如何合并三个nii标签文件

在计算Dice和IoU的时候发现模型预测输出的nii文件与gt nii文件形状不匹配，原来合并nii文件也有多种说法。

原创 【代码小记】解决 RuntimeError:CUDA error:device-side assert triggered 报错

原因：代码中的n_classes与数据集的中实际类别数不一致（我的问题是代码中的类别数写少了）解决办法：在代码中修改为正确的类别数（类别个数+1(背景)）

原创 【代码小记】解决RuntimeError: Numpy is not available报错

运行代码出现 RuntimeError: Numpy is not available 报错。Numpy版本太高，如下图。使用清华源加快速度。

原创 【代码小记】在Linux系统中切换cuda版本

通过命令查看已经安装的cuda版本，如下图。

原创 Dice损失函数

Dice损失函数，也称为F1损失函数或Dice系数损失，是一种常用于图像分割任务中的损失函数。它基于Dice相似系数（Dice Coefficient），该系数最初用于评估两个样本的相似度，特别是在图像分割领域中评估预测分割结果与真实分割结果之间的重叠程度。

原创 机器学习中的监督学习、无监督学习、半监督学习和强化学习

原创 nnUNet中的三种网络配置2d、3d_lowres、3d_fullres介绍

在nnUNet中，2d、3d_fullres和3d_1owres是不同的网络配置，用于处理不同类型的医学图像分割任务Github。当数据集的图像在某些维度上变化较大，或者图像的某些维度（如z轴）分辨率较低时，二维网络可能表现更好。当图像尺寸较小，或者全分辨率网络的计算成本过高时，低分辨率网络是一个较好的选择。适用于图像尺寸较大且分辨率较高的情况，能够充分利用三维空间信息进行分割。对图像进行下采样后再进行分割，减少了计算量，但可能会丢失一些细节信息。在全分辨率下处理三维图像，能够捕捉到图像的空间信息。