shinuone的博客

PyQt是Python编程语言的一个GUI（图形用户界面）工具包，它允许开发人员使用Python语言创建桌面应用程序。PyQt是基于Qt库的Python封装，Qt是一个流行的C++框架，用于开发跨平台的应用程序。

主要汇总了深度学习不同领域的实战项目，每个项目都附有详细的算法分析、数据集以及源代码。

Yolo (You Only Look Once) 是目标检测 one-state 的神经网络模型，可以在图像中找出特定物体, 并识别种类和位置。

备注：以下源码均可运行，不同项目涉及的函数均有详细分析说明。

详细介绍Pytorch的数据处理工具箱、神经网络工具箱、Tensor基础、Numpy基础。PyTorch 是一个由 Facebook 团队于 2017 年发布的深度学习框架，是 Torch 框架在 Python 上的衍生。

核函数（Kernel） 是用于图像处理的一种小型矩阵，通常用于卷积操作，以执行滤波、边缘检测、形态学变换等任务。核函数通过滑动窗口的方式作用于图像的像素区域，并计算加权和，从而实现不同的图像处理效果。

基于FFT（快速傅里叶变换）的去条纹算法是一种常用的图像处理方法，适用于去除图像中的周期性条纹噪声。这种算法在自然图像和荧光图像中都有广泛应用，特别是在荧光显微镜图像中，条纹噪声（如干涉条纹或扫描线噪声）较为常见。

在物体成像过程中，由于高像素分辨率的需求，采用N倍放大倍率会导致成像尺寸过大，而相机的视野有限，无法一次性捕捉整个物体。为了解决这一问题，可以采用图像切块和图像拼接的方式。然而，这种方法可能会引入光学上的暗角问题。

图像拼接（Image Stitching）：是一项计算机视觉技术，它将多张重叠的图像合并为一张更大、无缝的全景图或广角视图。该技术广泛应用于全景摄影、地图制作、医学影像处理、计算机视觉及增强现实（AR）等领域。

在 C++ 中，extern "C" 关键字：用于告诉编译器按照 C 语言的命名规则 对函数进行编译和链接，，而不是按照 C++ 的名称修饰（Name Mangling）规则，从而使得 C++ 代码能够与 C 代码进行互操作。

在图像处理领域，噪声（Noise） 是影响图像质量的重要因素之一，它通常由成像设备的物理特性、传输过程中的干扰或后期处理中的量化误差引入。为了研究图像去噪算法的性能，常常需要在实验中人为添加模拟噪声。模拟噪声的类型多种多样，不同的噪声模型反映了不同的噪声来源。

CuPy：是一个基于 NVIDIA CUDA 的高效数组处理库，它提供了与 NumPy 类似的 API，但能够利用 GPU 的强大计算能力来加速数组计算。通过将数据加载到 GPU 中，CuPy 可以显著提升一些数值计算、线性代数、傅里叶变换等操作的速度。

Fiji（Fiji is just imageJ）：用于科学图像分析的 ImageJ 的 " 内置功能 " 发行版。它在 ImageJ 的基础上预装了大量常用插件和脚本，简化了安装和配置过程，特别适合生物图像分析。Fiji 还集成了更新管理功能，方便用户获取最新插件和工具。

（1）淋巴结是人体免疫系统的重要组成部分，负责过滤淋巴液并清除病原体和异常细胞。（2）当淋巴结发生肿大时，可能是由于感染、炎症或肿瘤等原因引起。（3）其中，淋巴结转移是恶性肿瘤扩散的重要标志，意味着癌细胞已从原发部位通过淋巴系统扩散至淋巴结，这通常提示肿瘤进展并影响治疗方案的选择。（4）通过影像学检查、活检等手段，可以明确淋巴结肿大的原因，并采取相应的治疗措施，如抗感染、手术切除、放疗或化疗等。

神经条件随机场NCRF：（1）卷积神经网络CNN：作为特征提取器，以一组补丁网格作为输入，并将每个补丁编码为固定长度的向量表示(即嵌入)。（2）条件随机场CRF：以嵌入网格为输入，并对其空间相关性进行建模。最终输出是给定补丁嵌入网格时每个补丁为正常或肿瘤的边缘分布。

肿瘤检测：（1）分割网络（在 1 倍 WSI 上分割 LN），提取淋巴结区域，去除淋巴结外的脂肪、肌肉等组织。（2）分类网络（在 20 倍 LN 上分割肿瘤），用于将淋巴结区域分类为肿瘤区域和淋巴细胞区域。（3）根据热图，计算肿瘤转移淋巴结面积比（T/MLN）。

1、（相机）分辨率的影响因素：像元尺寸 + 信噪比2、（显微镜）分辨率的影响因素：相机分辨率 + 光学分辨率2.1、（极限的）光学分辨率 —— 瑞利判据的分辨率极限2.2、（实际的）光学分辨率 —— 木桶 - 短板效应

TensorRT（Tensor Runtime，TRT）：由 NVIDIA 开发，专为 NVIDIA GPU 设计的，用于深度学习高性能推理的SDK （software development kit ，软件开发工具包），可为推理应用程序提供低延迟和高吞吐量。

Python/C API：是 Python 提供的 C 语言的 API 库。实现在 C/C++ 中嵌入 Python 代码，包括C/C++ 调用 Python 函数、C/C++ 操作 Python 对象、双向通信等等。

matlab.engine（MATLAB Engine API for Python）：是 MATLAB 提供的一个 Python 接口，允许你在 Python 环境中与 MATLAB 进行交互。

在 python 中，使用 JPype 启动一个 JVM（Java Virtual Machine），并允许 Python 直接调用 Java 类和方法。

JDK (Java Development Kit), Java开发工具包：用于开发、编译、调试和运行 Java 应用程序所需的环境。JDK 是 Java 开发的基础，任何想要进行 Java 开发的开发者都需要安装 JDK。

边缘检测：边缘检测是图像处理中的一种技术，旨在识别和定位图像中亮度变化显著的区域。这些变化通常表现为强度、颜色或纹理的急剧变动，通常对应于物体的边界或轮廓。通过检测这些边缘信息，边缘检测能够帮助提取图像的结构特征，促进图像的分析和处理。

图像增强：通过一系列技术和方法对图像进行处理，以改善其视觉效果和特征表现。

milesial/Pytorch-UNet 是一个基于 PyTorch 的 U-Net 实现项目，专注于语义分割任务。

显微镜在拍摄图像时，需要设置光学分辨率参数，其决定了图像精度。但由于内存限制和需求不同，下机后常遇到需要转换分辨率的情况。如：图像配准通常使用各向同性图像，但下机图像通常是各向异性。

如果需要操作系统接口，请参阅 os 模块；如果需要操作路径，请参阅 os.path 模块；

坐标索引：（1）多线程（每一个像素值遍历一次图像）；（2）Numba-CPU（每一个像素值遍历一次图像）；（3）Numba-CPU（只遍历一次图像并匹配像素值）

最近邻插值（加速方法）：（1）scipy.ndimage.zoom；（2）Numba-CPU加速；（3）Numba-GPU加速；（4）Numba-CPU加速（Z轴切块）；（5）Numba-CPU加速（XYZ轴切块）；（6）Numba-CPU加速（XYZ轴切块）+ 多线程

Numba：专为 NumPy 科学计算而打造的，用于加速 Python 代码的即时编译器（Just-In-Time, JIT Compiler）。

numexpr（全称：numpy expression）：用于在 NumPy 表达式上快速执行元素级运算的 Python 加速库。

Tkinter 是 Python 标准库中的一个模块，用于创建图形用户界面 (GUI)。 它是最早的也是最常用的 GUI 工具包之一，因其易用性和直接与 Python 绑定而广受欢迎。

batch脚本（简称：bat或批处理脚本）：用于自动化批量执行按照一定顺序排列而成的 DOS 命令集合。

cryptography 库是一个强大的 Python 库，用于实现加密和解密功能。它提供了各种加密算法，包括对称加密、非对称加密、哈希函数等。

分享几篇顶会/顶刊论文，解析方法和效果。

艾伦脑图谱（Allen Brain Map）：由艾伦脑科学研究所（Allen Institute for Brain Science）开发的大脑图谱，目前已生成多个 艾伦大脑参考地图集（Allen Brain Reference Atlases）。

py易读（明文），pyc不易读但易被反编译，pyd不易读且不易被反编译（密文）

wandb（Weights&Biases, W&B）：用于跟踪、可视化和协作机器学习实验的工具，支持在线和离线。它提供了一个简单的 Python API，可以轻松地将实验数据发送到云端，并通过 Web 应用程序进行访问和可视化。

Python解释器支持多种命令行参数，可以用于控制解释器的行为、调试、优化以及传递参数给脚本。

keras_model() 将 Keras 模型对象当作函数一样调用，将输入数据作为参数传递给它，从而直接获取预测结果。而predict() 方法是 Keras 模型对象的一个函数，用于进行推理并获取预测结果。