- 博客(42)
- 收藏
- 关注
RSS订阅
原创 医学图像分割工作心得：算法工程师的研究总结与思考
许多事情本质上只是工具的应用，掌握这些工具并用它们解决具体问题，这就是工作的核心。无论问题多复杂，只要找到合适的工具并学会使用，就一定能找到解决方法。
2025-01-14 09:14:03
810
原创 三维数据可视化与表面重建：Marching Cubes算法的原理与应用
Marching Cubes算法作为三维数据可视化的经典方法，在过去三十多年中经受住了时间的考验。它将复杂的体数据转化为直观的表面表示，极大地促进了医学影像领域的发展。随着计算机硬件性能的提升，该算法已经能够实现实时重建和渲染，为临床应用提供了更大的可能性。结合深度学习技术实现更智能的等值面提取发展多尺度Marching Cubes算法以处理超大数据集针对特定组织类型的专用优化算法增强实时交互式可视化能力。
2025-03-03 13:59:47
1393
原创 医学图像分析工具09：Brainstorm || 脑电与脑磁分析必备：Brainstorm 的功能解析
Brainstorm 是一款开源、跨平台的神经影像学分析工具，专为脑电图（EEG）、磁脑图（MEG）及功能性磁共振成像（fMRI）数据的分析和可视化设计。
2025-01-22 10:34:11
1258
原创 模型部署工具01：Docker || 用Docker打包模型 Build Once Run Anywhere
Docker是一个开源的容器化平台，可以让开发者和运维人员轻松构建、发布和运行应用程序。Docker的核心概念是通过容器技术隔离应用及其依赖项，使得软件在不同的环境中运行时具有一致性。无论是开发环境、测试环境，还是生产环境，Docker都能够提供高效、可靠的解决方案。在本教程中，我们将详细介绍Docker的核心概念、安装方法，以及如何使用Docker进行容器化操作。Docker是一种容器化技术，能够将应用程序及其依赖项打包到一个轻量级、独立的容器中运行。
2025-01-20 14:02:39
1217
原创 医学图像分析工具08：BrainSuite || 用 BrainSuite 处理 MRI 数据的完整流程 模块化、图形化
BrainSuite 是另一个广受神经科学研究人员喜爱的神经影像学分析工具。与 FreeSurfer 类似，BrainSuite 的设计目标是通过高效的算法和简洁的界面帮助用户处理和分析 MRI 数据，但它更注重提供模块化、直观的操作体验。接下来，我们将详细探讨 BrainSuite 的功能、应用场景、安装方法以及常见的使用技巧。BrainSuite 是一个集成化的神经影像分析软件包，专门用于处理和分析大脑的结构性 MRI 数据。它由（南加州大学）开发，旨在为用户提供一站式的大脑影像处理解决方案。
2025-01-13 17:26:28
1154
7
原创 Linux 系统环境配置教程
本文详细介绍了在 Linux 服务器上进行常见环境配置的步骤，包括系统设置、显卡驱动、CUDA Toolkit 安装、Miniconda/Anaconda 安装、虚拟环境配置、远程访问配置等。通过这些步骤，你可以完成一个适用于深度学习、机器学习、开发等工作的 Linux 环境。
2025-01-13 14:39:06
1177
原创 医学图像分析工具07：FSL || 功能性和结构性脑影像分析工具
FSL (FMRIB Software Library) 是一款开源的神经影像分析软件套件，由牛津大学的 FMRIB (Functional Magnetic Resonance Imaging of the Brain) 开发。
2025-01-10 10:25:53
902
原创 医学图像分析工具06.1：配置 MNE 环境时遇到的一些问题与解决方法
在配置 MNE 环境的过程中，遇到了一些技术难题。虽然最终找到了有效的解决方案，但整个过程充满了挑战。
2025-01-08 17:28:28
1082
原创 医学图像分析工具06：MNE-Python || EEG/MEG数据分析
MNE-Python 是基于 Python 的神经影像学工具包，专为处理脑电（EEG）、脑磁（MEG）和相关数据而设计。
2025-01-08 17:25:06
1505
原创 医学图像分析工具05：ANTs || 影像分割与模板构建 影像配准
ANTs（Advanced Normalization Tools）是一款强大的开源工具包，专注于高精度的医学影像处理和配准（registration）。
2025-01-06 09:46:24
1128
原创 医学图像分析工具04：MeshLab || 三维扫描数据处理全流程 网格修复
MeshLab 是一款功能全面且开源的 3D 网格处理工具，用于查看、编辑、修复和转换 3D 模型。
2025-01-06 09:36:10
1449
原创 医学图像分析工具03：ITK-SNAP || 快速分割与标注三维医学影像 简洁易用
ITK-SNAP 是一款开源的交互式医学影像分割工具，专为快速、高精度地分割和标注三维医学影像（如 MRI、CT 和超声图像）而设计。得益于其简洁的用户界面和强大的自动化分割功能，ITK-SNAP 已成为神经科学、放射学和其他医学领域的热门工具。
2025-01-03 15:11:58
2168
原创 医学图像分析工具02：3D Slicer || 医学影像可视化与分析工具 支持第三方插件
3D Slicer 是一款功能全面的开源医学影像分析软件，广泛应用于影像处理、三维建模、影像配准和手术规划等领域。
2025-01-03 14:42:20
2282
原创 医学图像分析工具01：FreeSurfer || Recon -all 全流程MRI皮质表面重建
`recon-all` 是 FreeSurfer 中最重要的命令之一，用于自动化处理和分析磁共振成像（MRI）数据，执行一系列的预处理、分割、配准、表面建模和标注等步骤。其目标是为大脑图像提供精确的结构性分析，包括皮层和白质的分割，皮层厚度的计算，以及大脑区域的标注等。
2025-01-03 10:27:10
2054
原创 深入理解 Jupyter、Conda 和 Shell 的使用 | | 研究生深度学习必修课
为什么我们要用python、conda、jupyter？
2024-12-24 10:21:35
675
原创 深度学习项目的 Python 实现复现指南
但是，GPT在不同的人手上，得到的结果是相差很大的。然而，复现开源项目的难度往往并不在于代码本身，而在于对项目结构的理解、环境依赖的配置以及解决过程中可能遇到的各种问题。深度学习项目的 README 通常会简要说明项目的功能、环境配置、依赖要求以及运行方法，是理解项目的“说明书”。根据我自己的总结，关键在于明确这几个问题：我想要什么（背景），我需要你给我什么（输出），我能给你什么（输入 可选）。它往往能揭示项目的核心运行方式。
2024-12-19 15:49:19
844
原创 从Python到C++的转变之路——如何高效复现C++开源项目 || Windows || Visual Studio || 持续更新
由于pip的存在，Python的项目容易复现。相较之下，C++的项目复现起来就比较困难，因为通常涉及到多个系统依赖、动态库、静态库的配置以及复杂的编译模式等。尽管如此，在大多数情况下，我们仍然可以借鉴Python的思维方式来应对C++项目。换句话说，从问题解决的角度来看，Python和C++在很大程度上是相通的。
2024-12-19 15:03:24
742
原创 为什么你需要了解 Python 和 C++ 在实际开发中的区别 || 深度学习复现 || 工程经验
大多数教程通常侧重于讲解语言特性，而忽略了两者在工程实践中的差异。
2024-12-17 10:21:42
842
原创 Python 参数配置使用 XML 文件的教程 || Python打包 || 模型部署
当配置项存储在外部文件（如 XML、JSON）时，修改配置无需重新编译和发布代码。通过更新 XML 文件即可调整参数，无需更改源代码，从而提升开发效率和代码可维护性。
2024-12-13 15:22:49
694
原创 深度学习的必修课：编程中的异常与常见错误以及日志记录与调试技巧
设置好断点，debug运行，然后 F8 单步调试，遇到想进入的函数 F7 进去，想出来在 shift + F8，跳过不想看的地方，直接设置下一个断点，然后 F9 过去。最好再配合一下控制台，一般我用来看变量。Alt + F8有时候也挺好用的。
2024-11-06 17:02:34
888
1
原创 医学图像中的小目标病灶检测难题：我的硕士研究总结与思考
医学图像中的小目标检测和分割，主要指在CT、MRI、超声等医学影像中识别和分割微小病灶或细小结构。这些小目标通常体积小、边界模糊、特征不明显，却往往是关键病灶，例如肺部小结节、脑微出血、乳腺微钙化等。
2024-11-05 15:10:30
1416
原创 nnUNetv2推理部分||源码解读||深度学习||医学图像处理
nnUNet推理部分解读，主要包括整体设计理念、推理部分各个函数以及相关参数、推理流程、一些函数的局部细节以及涉及到的一些知识点和思想。
2024-09-25 10:46:01
1285
原创 医学图像处理||深度学习数据集预处理||批量删除合并标签||标签映射
在处理医学影像数据时，通常会对不同的解剖结构进行标注，并分配相应的标签值。然而，原始标签值可能不直观或不方便使用，因此需要将它们映射到新的标签值。例如，网上公开数据集中，一个脑部可能有32个标签，而在自己的任务中，并不需要那么多，需要合并或者删除一些。
2024-09-09 09:25:30
306
1
原创 FreeSurfer批量转换为nii格式||mgz2nii||批量转换mgz格式到nii格式||医学图像处理脚本
在FreeSurfer输出的结果中，通常只包含以mgz为扩展名的文件格式，而没有常见的nii格式文件。虽然FreeSurfer本身自带了一个可以将mgz格式转换为nii格式的命令，即mri_convert，但该命令每次只能转换一个文件，无法实现批量转换。该脚本可以自动遍历指定目录下的所有mgz文件，并依次调用mri_convert命令将其转换为nii格式。上面的几个路径需要根据自己的实际路径来填写。另外，该脚本用于对某一患者进行处理，如果想对所有患者进行处理，则只需要再增加一次循环即可。
2024-09-09 08:53:31
463
原创 深度学习||医学图像||利用FSL软件对nii图像批量去颅骨||bash实现||Linux系统
在bash中利用FSL软件对nii图像批量去颅骨
2023-07-04 19:44:53
813
2
原创 CUDA Tensor 越界错误的分析与解决方案 || SoftDiceLoss || y_onehot.scatter_(1, gt, 1)
y_onehot.scatter_(1, gt, 1)，由于维度越界导致的bug
2023-05-29 16:09:52
564
原创 深度学习||医学图像处理||dicom2nii||nii2img||img2nii
nii以及nii.gz可以通过代码直接读写，也可以通过现有的软件进行读取。这里给出一种读取nii的方式。
2023-04-12 09:53:28
552
原创 C++||构造函数||析构函数||浅拷贝||深拷贝||一些理解||不定期更新||学习笔记
在学习C++过程中的一些理解，这个博客主要从定义和自己的理解来讲，从而加深自己的一些认知。
2023-03-22 10:59:18
176
原创 如何高效地将现成的 2D 注意力模块应用于 3D CNN 医学影像任务 || 各向异性
在做深度学习在医学影像上应用的时候，数据集往往是3D的，而网上很多公开的trick或者注意力机制都是2D实现的，因此带来了一些困难。
2022-08-30 17:04:40
2531
7
原创 对于代码复现学习的一些理解||计算机研究生学习笔记||经验分享||深度学习||pytorch||不定期长期更新
对于深度学习代码复习的一点经验。
2022-03-27 14:43:12
13574
4
原创 深度学习部署之路的全景：从模型到应用
今天的AI浪潮已经不再仅仅属于科研机构和巨头企业，而是成为一个每个人都必须面对的现实：技术的边界被不断扩展，而适应变化的速度成为了决胜的关键。这里的“科学性”在于，你需要对任务本身有抽象的理解，比如，是否选择合适的backbone，是否使用特定的模块（如SE模块、DCNv2），甚至是否进行模型的架构搜索。这场技术浪潮中的每一个人，无论是研究者、工程师，还是行业从业者，都面临一个共同的难题：如何在迅速更迭的技术环境中保持自己的竞争力？一个模型的设计，不仅是科学研究的结果，更是对实际落地需求的妥协。
2022-03-14 09:43:50
3042
1
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人