weixin_73101319的博客

在word中修改一处文字，全文都变了，还得重新排版。来来回回、反反复复特别麻烦。主要是因为word的文档用WPS打开，WPS自动做了更改。我们将word中的文字的样式取消自动更新就可以了。右键“正文1”，选择“修改”将子等更新的√，取消掉。

ITK ERROR: NiftiImageIO(000001F74304E4C0): ERROR: nifti library failed to write imageC:\Users\Administrator\Desktop\Breast\NIIdata\低表达\T1\AN_HAI_YING.nii。File "E:\pycharmproject\Breast3\prepare\1dcm转为nii文件.py", line 47, in <module>在将dcm文件转nii格式的时候报错。

写论文的时候，在绘制流程图时，一直纠结n是大写还是小写，用不用斜体，=号两边要不要空格。今天找到了一张标准的流程图来参考。

数据的形式：保存在CSV中，第一列为姓名，第二列之后为特征。

绘制损失图：导入loss的npz文件。

glob库可以获取文件夹下为个文件的绝对路径,会保存到一个列表中。dir为一个文件夹，存放着三张jpg格式的图像。获取的路径可以拆分为列表。

使用add_module往sequential中添加元素。

我们要实现的是：在标签文件上选出最大层面，然后把最大层面的ROI映射到原始图像区域，在原始图像上提裁剪出ROI区域，然后根据这个ROI，在其上面一层和下面一层，共裁剪出三张原始图像。说明第23张图像是ROI层面最大的图像，（准确应该是第24张，因为从0开始）筛选出标签图像中不为0的像素值最多的那张图像，就是层面最大的图像。根据最大层面的ROI，映射到对应的原始图像中，以及上一层和下一层。有两个文件，一个是nii的原始图像文件，一个是nii的标签文件。将原始图像和标签图像的像素值提取出来。

检查文件夹，如果文件夹存在就删除掉，不存在就建一个。

我们有两个文件，一个是原始图像的nii文件，一个是标签图像的nii文件。然后实例化函数：也可以不传入参数，可以传入一些参数进行设置。保存到csv文件中，不保存行列名。一些具体参数的设置参考。

仔细观察发现，应该是标注的时候有一个点标注为了1。这时候，我们将原始图像×标签图像，就是标注图像的区域，那么就在原始图像上提取出标注图像的位置。我们将这张只有感兴趣的图像，用来深度学习，就会大大减少遭受的干扰，从而更好的收敛。这时候我们如果运用上一篇博文的代码，去除周围的0像素，那么处理后的图像。我们将标注好的标签保存为了.tif格式，进行可视化后为。可见我们标注图像的数值只有0和1，前景为1，背景为0.使用图像数值统计代码进行数值统计标注的图像数值。将图像的数值统计后进行条形图展示。

在做分割任务时，经常需要处理图像，如果图像周围有一圈0像素，需要去除掉，重新调整大小。

输入的图像通道数可以在网络中拆分，也可以在网络中合并，这样就能实现特征融合的多样性。是使x在1的维度上均等的拆分为2份。

投稿时，我们的图片不满足要求，经常需要修改，这个博主讲解了几种方法，非常好。

"""最邻近插值算法：输入图像数组:param output_shape：输出图像的 shape:return：输出图像数组"""# 输入图像的宽高# 计算输出图像的宽高# 创建输出图像# 遍历输出图像的每个像素，分别计算其在输入图像中最近的像素坐标，并将其像素值赋值给当前像素# 计算当前像素在输入图像中的坐标# 判断计算出来的输入像素坐标是否越界，如果越界则赋值为边界像素# 将输入像素的像素值赋值给输出像素这个是通过输入原始图像和目标图像的高和宽来对图像进行邻近插值："""

array([1, 1, 2, 3, 4, 5, 6, 7, 8, 8]) # a被限制在1-8之间。array([0, 1, 2, 3, 4, 5, 6, 7, 8, 9]) # 没改变a的原值。>>> np.clip(a, 3, 6, out=a) # 修剪后的数组存入到a中。# 3 > 2 -->大于最小值 则等于本身 再和最大值比 没超过最大值 所以为3。# 当a_min为数组时, a中每个元素和都和a_min中对应元素比较。# 0 < 3 -->小于最小值 则等于3。

就是将最后的一个数取出赋给一个变量，同时原列表也会删除掉最后一个数。.pop()方法是将列表的顺序从后向前取出。

是由于文件复制后格式不兼容造成的，需要转化一下。

这里举个生成4*4的网格，在目标检测里常用到。使用meshgrid生成y、x轴坐标。这样每个点的坐标就生成了。再在2的维度上拼接。

我们在文件中会一行一行的写入，空格和#字符的注释是没有的，需要去掉。

pycharm安装插件显示网络错误/无法安装。然后重启pycharm就可以安装软件了。

我们可以在基础环境中查看我们有几个环境。

这里我们使用了SGD优化器，定义了一个lambda函数，依次递减，这样就将开始的学习率降到了原始的十分之一。

这里的img.squeeze为二维数据，img为三维数据，所以压缩掉一个维度。这样就将图像转化为了三维彩色图像。我们如果要将一维的图像转化为三维的彩色图像。

我正在main_cnn.py里写代码，要到入models文件夹下的resnet50里的CustomResNet50函数。

函数用于检查对象是否具有指定的属性或方法。它接受两个参数：要检查的对象和要检查的属性或方法名称（以字符串形式）。该函数返回一个布尔值，指示对象是否具有指定的属性或方法。obj 有 my_attribute 属性。obj 有 my_method 方法。在标准的Python中，

这几个用法老忘，下下来以便下一次查阅。

你可以在加载权重时灵活地处理缺失或多余的参数。，表示加载的状态字典必须严格匹配模型的结构，即模型的所有参数的名称和形状必须完全匹配。这行代码是使用PyTorch加载预训练模型权重时常见的用法。状态字典是一个Python字典对象，它包含了模型的权重和偏置等参数。，则允许加载的状态字典中存在一些缺失参数或者多余参数，而不会引发错误。用于将加载的权重映射到指定的设备（如CPU或GPU）上。: 这个参数控制着加载权重时的严格性。类的一个方法，用于加载模型的状态字典。方法将加载的权重加载到模型中。

将训练最好的模型保存下来

上面代码就将字典中的键和值对换了。

用法：把字符串写好， 后面接%，在接（），把要改变的数写到括号里就行了。几个数就用几个逗号隔开。第一个d%就是epoch+1，会随着epoch的变化而变化。就是要在Lenet后面加一个要改变的数，就是epoch，这个epoch会随着迭代而变化。在字符串中，我们经常需要改变其中的一些几个字符，比如。其中，epoch迭代了3次，从0开始。%.3f，是保留三位小数。