- 博客(89)
- 收藏
- 关注
RSS订阅原创 多模态对齐与多模态融合
多模态对齐与融合是人工智能处理跨模态数据的关键技术。多模态对齐通过构建统一语义空间（如CLIP模型），让不同模态数据在向量空间中建立关联。多模态融合则通过注意力机制实现信息整合，包含早期、中期和晚期三种融合方式，应用于视频理解、医疗诊断等领域。两者结合使AI能更全面地理解和处理图像、文本、音频等多模态信息。
2025-09-10 16:26:38
564
原创 监督学习基本了解
例如，对于一张病理全切片图像（WSI），我们只标注“这张图里有癌细胞”（图像级别标签），但没有精确指出癌细胞在图中的具体位置（像素级别标签）。例如，由非专业人士进行众包标注，或者通过一些自动化规则生成的标签，都可能不完全准确。：一种特殊的无监督学习，它通过从数据本身自动生成标签来构建监督信号，从而将无监督问题转化为监督问题进行学习。：在“不完美”的标签下进行学习。这些标签可能是不完整的、不精确的或不准确的。：在没有任何标签或预定义答案的情况下，直接从数据中发现隐藏的结构、模式或关联。
2025-08-12 15:46:13
710
原创 WSI切块工具-CLAM
CLAM： 是一种高通量且可解释的方法，可使用幻灯片级别的标签对数据进行有效的整个幻灯片图像（WSI）分类，而无需任何ROI提取或补丁级别的注释，并且能够处理多类子类型化问题。经过训练的模型在三个不同的WSI数据集上进行了测试，可适应WSI切除和活检以及智能手机显微镜图像（显微照片）的独立测试队列。该模型的主要用途是一种病理切片的辅助诊断系统，最终的想法是要完成一种语义分割：（如果是二分类）将病灶和非病灶区域通过模型输出的注意力得分进行可视化。
2025-08-11 09:19:52
475
1
原创 pycharm自己的包导入不进去解决方案
只需2步即可解决无法导入自己创建的目录的py文件，自己也试过很多方法都不可以，可以尝试以下这个方法，大部分都可以解决
2025-07-29 17:51:11
300
原创 乳腺癌病理知识
方法：仿射变换（刚性）+非线性形变（如SyN算法）结构特点：DICOM文件由元数据头（Header） 和 像素数据（Pixel Array）。苏木精（碱性染料）：结合核酸（DNA/RNA），将细胞核染成蓝紫色，突出核形态、染色质分布及核分裂象。信息隐藏：关键指标（如Ki-67指数）常嵌套在描述中（例：“肿瘤细胞增殖活跃，Ki-67约30%”）。特殊场景：TNBC关注无远处转移生存期（DMFS）（因易早期转移）适用：TNBC预后核心指标。
2025-07-29 11:12:29
1196
原创 病理WSI图像处理方法
病理图像的基本特征WSI即全载玻片图像，是将不同染色的组织切片信息从玻璃到数字格式的转换；图像尺寸大，通常在百兆到数G之间图像呈现丰富的色彩信息，为金字塔结构，在不同的放大倍数下（多层分辨率）检索可提供多种比例的信息，比如TCGA最常见的40x，20x;通常存储为.svs，.tiff，.ndpi, .mrxs格式-可通过本地软件qupath，ImageScope，Python包openslide进行可视化;病理图像的金字塔结构Dimensions。
2025-07-28 17:18:20
1630
原创 用大白话通俗讲解AI大模型中的Transformer【无代码无公式版】
例如0～1之间对于模型来说，比起绝对值大小，它更关注数字之间的关系例如学校期末考试，语文数学外语满分150分，物理化学满分100分，综合满分30分由于满分标准不同，对于一个学生来说，80分对数学来说是及格，但对物理来说是优秀因此我们不妨将学生得分除以该科目的满分分数，即该学生数学为0.6，物理为0.9，这个过程可近似理解为归一化。例如，第一轮的输入是“”这一个单词，通过解码器加工后输出“你”该结果将成为第二轮输入，再次通过解码器加工，输出更多的信息然后再将它作为新的一轮输入，自此循环，直到满足终止条件。
2025-07-20 16:39:23
659
原创 预测导管原位癌浸润性复发的深度学习：利用组织病理学图像和临床特征
【 DCIS与IBC的关联】乳腺导管原位癌（DCIS）可发展为同侧浸润性乳腺癌（IBC），但超过 75% 的 DCIS 病变如不治疗则不会发展。【深度学习模型的探索】为筛选低风险DCIS，利用组织学全切片图像（WSI）和临床病理数据开发了深度学习模型。
2025-07-18 10:29:36
1536
原创 用于乳腺癌风险分层的多模态机器学习模型
原文献摘要乳腺癌是世界上最常见的癌症，在2020年首次超过肺癌，并且是女性癌症死亡的第二大原因。然而，乳房x光检查对致密乳腺组织的女性灵敏度较低。超声是一种低成本且广泛使用的成像工具，已被用于描述小的、乳房x光检查隐匿性乳腺癌，从而提高了乳腺癌检测的灵敏度。因此，利用各自的优势，同时使用乳房x光检查（MG）和超声检查（US）作为补充组合已常规应用于现实世界的临床环境筛查和诊断乳房病变。随着人工智能技术的发展，基于AI的方法在乳腺癌诊断中展现出独特的优势。
2025-07-18 09:49:45
912
原创 三阴性乳腺癌新辅助免疫治疗的当前和未来趋势
三阴性乳腺癌（TNBC）占所有乳腺癌（BC）的15%～20%。由于缺乏靶向治疗选择，TNBC成为临床研究的焦点，研究目标不仅是识别具有更强反应潜力的药物，更要发现新的免疫学和/或代谢通路，以实现更有效的治疗。目前，TNBC的新辅助治疗依赖于标准化疗与免疫治疗的联合应用，因为观察到这种药物组合能够改善治疗反应。本综述深入探讨了TNBC治疗的最新进展，并探索了在新辅助治疗环境中塑造该疾病未来前景的潜在突破。
2025-07-18 09:29:44
930
原创 撰写论文常见实验问题
实验部分最核心的就是控制变量，大家在做实验的时候一定要牢牢把握住这个思想！：就是初高中的控制变量法的体现，在基础模型上叠加不同模块，分析每个模块的作用。：在一个实验中，涉及到 a,b,c 三个改进模块，不知道哪个模块对实验起啥效果，如果想知道 a 模块对整个实验的作用，去掉a 模块进行对比，以此求知。
2025-07-15 15:59:02
851
原创 病理模型整合及相关文献总结（持续更新）
三阴性乳腺癌( triple-negative breast cancer，TNBC )是最具挑战性的乳腺癌亚型。分子分层和靶向治疗为TNBC患者带来临床获益，但在临床实践中很难实施全面的分子检测。在这里，使用我们的多组学TNBC队列( N = 425)，设计并验证了一个基于深度学习的框架，用于从病理全切片图像中综合预测分子特征、亚型和预后。该框架首先结合神经网络对WSIs上的组织进行分解，然后根据特定的组织类型训练第二个神经网络，以预测不同的目标。
2025-07-14 16:47:17
712
原创 一文带你搞明白注意力机制！！【即插即用模块56个，史上最全】
例如，在分类任务中，我们可以将嵌入维度的表示映射到类别数量的输出空间，并通过softmax函数或其他激活函数得到最终的预测概率。在Transformer模型中，为了捕捉不同子空间中的信息，会使用多头注意力机制，即并行地运行多个自注意力机制，然后将结果合并。即自注意力机制，这是一种特殊的注意力机制，它允许输入序列中的元素相互之间计算注意力权重，这在Transformer模型中得到了广泛应用。最后，我们使用一个输出层将加权求和得到的表示转换为最终的输出，这可以是分类任务的类别概率，也可以是其他任务的预测结果。
2025-07-14 16:13:28
1746
原创 多模态大模型（MM-LLMs）看这一篇就足够了！！
多模态（Multimodality）是指集成和处理两种或两种以上不同类型的信息或数据的方法和技术。在机器学习和人工智能领域，多模态涉及的数据类型通常包括但不限于文本、图像、视频、音频和传感器数据。多模态系统的目的是利用来自多种模态的信息来提高任务的性能，提供更丰富的用户体验，或者获得更全面的数据分析结果。顾名思义，多模态研究的就是这些不同类型的数据的融合的问题。多模态研究的是视觉语言问题，其任务是关于图像和文字的分类、问答、匹配、排序、定位等问题。多种模态融合的方式有哪些？
2025-07-14 15:37:55
888
原创 【机器学习入门巨详细】（研0版）二创OPEN MLSYS
在 TensorFlow 中，定义神经网络通常使用 tf.keras.Model 或 tf.keras.Sequential。以下是一个基于 TensorFlow 的实现，等效于你描述的 MindSpore 神经网络结构。这个网络包含一个输入层、一个 Flatten 层将输入数据压平为一维向量，然后是三个全连接层，最后输出层有 10 个神经元，对应于 MNIST 数据集中的 10 个类别。# 定义神经网络模型# 定义网络层。
2025-07-12 18:46:49
658
原创 如果安装完Anconda环境后在Pycharm终端中爆红
如果是这个错误，无论是在终端还是在pycharm的终端 只要出现下面的错误都可按照这两步。
2025-05-14 13:54:20
315
原创 复现项目（YOLO）深度学习环境安装
第一步：判断能否按照gpu版本，如果是英伟达的显卡，就可以安装，如果不是英伟达的就不可以安装gpu版本，只可以安装cpu版本。
2025-04-24 18:33:30
321
原创 挑战一星期复现一个项目——安全帽项目
我们在利用GPU进行深度学习的时候，都要去NVIDIA的官网下载CUDA的安装程序和cudnn的压缩包，然后再进行很繁琐的系统环境配置。不仅环境配置麻烦，而且还特别容易配置错误，特别还有CUDA和cudnn版本的对应也特别容易搞错，但是利用anaconda安装配置pytorch和paddlepaddle环境的时候会自动帮我们配置好cuda和cudnn。win+R 输入cmd，打开终端conda env list 用来查看有哪些环境可以看出来，新安装的anaconda只有一个base环境。
2025-02-19 17:05:43
840
原创 Pytorch注意力机制应用到具体网络方法（闭眼都会版）
这一部分为要加入的注意力机制模块，文件名为attention.py。之后，需要找到yolo.py里面的模型主体部分，大概形式如下代码。在模型文件（yolo.py）中，首行添加如下部分。添加注意力机制可以添加到上图标注的部分。
2024-12-25 17:34:46
776
原创 SE、CBAM、KAN、ECA等常见注意力机制[ 网络结构详解+详细注释代码+核心思想讲解 ]（小白也能懂）
此时，在绿色长条那部分的神经元个数和我们输入进来的特征层的通道数是一样的，每一个神经元对应一个通道，最后我们将绿色的结果乘上我们输入进来的特征层（最左边的立方体），就完成这个注意力机制的添加了。第一次全连接神经元个数（out_features）比较少，第二次比较多和我们输入进来的特征层的通道数一样，最后取一个sigmoid把值固定在0-1之间，相当于我们每一个通道的权值，每一个神经元对应每一个通道，fc既就是每一个通道的权值。原有的输入进来的特征层（最左边的这个立方体），即完成了空间注意力的施加。
2024-12-24 19:53:50
1710
原创 C语言学习初级阶段
（1）具有相同的数据类型。（2）使用过程中需要保留原始数据。常量表达式中可以包含常量和符号常量，但不能包含变量指针变量才可以存储地址定义格式： 基类型 *指针变量名指针：一个变量的地址指针变量：一个变量，专门用来存放另一变量的地址（即指针）struct 结构体名{成员列表};//下面是一个例子int num;char sex;int age;先声明结构体类型，再定义变量名，例如结构体的scanf输入和输出/* data */int num;char sex;
2024-05-10 09:36:11
714
原创 C语言学习初级阶段课后习题及OJ代码
解释：因为scanf先输入a和b，此时就不再执行int c=a+b的语句，此时会赋值任意数。在ASCLL码表中，97对应的就是a，所以直接用%c读取就行。
2024-04-09 10:27:04
555
原创 C语言学习初级阶段（数据）——scanf读取标准输入
如上面的例子所示,我们向标准输入缓冲区中放入的字符为’20\n’,（scanf输入的都是字符串，字符串后面都会有\n）输入’\n’(回车)后, scanf函数才开始匹配, scanf函数中的%d 匹配整型数20，然后放入变量i中，接着进行打印输出，这时’\n’仍然在标准输入缓冲区(stdin)内，如果第二个scanf函数为scanf(“%d”,&i)，那么依然会发生阻塞。一个回车相当于一个\n，所以会打印2个\n。第二个printf打印的是\n，因为%c取的是字符串，\n是一个短义字符，所以%c会读取它。
2024-04-09 09:50:06
1184
原创 C语言学习初级阶段（数据）——整型进制转换
每4个位单独看 从右往左看 为2的0次 2的1次 2的2次 2的3次。从二进制变成8进制后，得到的数，从右往左为8的0次 8的1次 8的2次。每3个位单独看 从右往左看 为2的0次 2的1次 2的2次 2的3次。例如：173 1x8的2次+7x8的1次+3x8的0次。1字节为8位，1位即二进制的一位，他存储成0或1。123化二进制为0111 1011 最前面补0。int型常量的大小位4字节，即32位。123转16进制 除以16。十六进制 0-9 a-f。1KB=1024个字节。123转8进制 除以8。
2024-04-07 11:42:22
500
原创 C语言学习初级阶段（数据）——混合运算（Printf讲解）
原理：printf函数将这些类型的数据格式转换成字符串后，放在标准输出缓冲区，将结果显示在屏幕上显示到屏幕上的字符和定义printf函数显示的其他参数。//联系printfint age=21;输出结果：//联系printfint i=10;//这里是定义需要加inti=100;//这里是直接使用，不用加intf=98.21;//%3d=> 3代表的是占3个位置//%5.2f=> 5代表整体占5个位置（算上小数点） 2代表的是小数点后占2个位置return 0;
2024-04-07 10:42:33
402
原创 C语言学习初级阶段（数据）——数据的类型
mian是主函数名，int是函数返回值类型。每个C程序只有一个main函数，程序从main函数开始运行。花括号是函数开始和结束的标志。每个C语句均以分号结束。
2024-04-02 11:51:08
576
原创 web期末个人引导页透明版
效果图代码css代码* { box-sizing: border-box;}body { color: #2b2c48; font-family: "Jost", sans-serif; background-image: url(../img/bg.jpg); background-repeat: no-repeat; background-size: cover; background-position: center; background-attac
2024-01-05 11:53:59
1272
原创 web期末作业数字时钟，实时更新，音乐播放
文章目录月球动态引导页加载引导页主页面主页面html需要完整代码私信我月球动态引导页加载引导页主页面主页面html<!DOCTYPE html><html lang="zh-CN"><head> <meta http-equiv="X-UA-Compatible" content="IE=edge,chrome=1"> <meta charset="utf-8"> <meta name="viewport" co
2024-01-05 11:42:01
1016
原创 智慧农庄电商小程序（商城系统）
基于当前流行技术组合的前后端分离商城系统： SpringBoot2+Jpa+MybatisPlus+SpringSecurity+jwt+redis+Vue的前后端分离的商城系统， 包含商城、拼团、砍价、商户管理、 秒杀、优惠券、积分、分销、会员、充值、多门店等功能，更适合企业或个人二次开发；
2024-01-05 10:46:53
1206
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人