weixin_45638136的博客

nnunetv2命令行大全，包含了代码注释以及常用命令使用。

将nnUNet模型的推理过程从Python迁移到C++的技术方案

EEG/MEG信号分析涉及多个层次的特征提取和解释。从基础的时域统计到复杂的网络分析，每种方法都有其适用场景和局限性。研究者应根据具体的科学问题选择合适的分析策略，并始终保持对信号生理意义的关注。随着计算方法的不断发展，新的分析技术将继续推动我们对大脑功能的理解。

Matplotlib库动态可交互，适用于信号分析。

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。

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。

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。

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。

写论文时候一些思路整理。

y_onehot.scatter_(1, gt, 1)，由于维度越界导致的bug

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。

训练时候常用的代码块。