程序客栈

原创 [论文解读]U-Net+与FCN的区别+医学表现+网络详解+创新

前半部分作用是特征提取，后半部分是上采样,在一些文献中也把这样的结构叫做编码器-解码器结构,由于此网络整体结构类似于大写的英文字母U，故得名U-net。...

原创 3D U-Net脑胶质瘤分割BraTs + Pytorch实现

原论文地址: 连接 一、网络模型的分析和对比 原始2D-Unet网络模型 我的2D-Unet网络模型 1、和原来的2D-Unet网络不同的是,我输入通道为4,我这里应该改为4个通道,对应四个模态图像,而输出通道为3,我对应的是三个嵌套子区...

原创 2D UNet++ ResBlock脑胶质瘤分割BraTs + Pytorch实现

UNet++讲解 玖零猴：UNet++解读 + 它是如何对UNet改进 + 作者的研究态度和方式 网络结构 Encoder BackBone = ResBlockDecoder BackBone = VGGBlock通道数[32, 64, 128, 256,...

原创 2D Deep ResUnet脑胶质瘤分割BraTs + Pytorch实现

论文链接: Road Extraction by Deep Residual U-Net BraTs数据准备 数据来源 本文用的训练集和验证集均来自BraTs2018的训练集(其中HGG:210个病人,LGG:75个病人) 但由于BraTs只公开训练集数据,没有测试集数据,如果在训练集中再拆一部分用来作测试集的话,那训...

原创 2D UNet++ VGGBlock脑胶质瘤分割BraTs + Pytorch实现

UNet++讲解 玖零猴：UNet++解读 + 它是如何对UNet改进 + 作者的研究态度和方式 BraTs数据准备 玖零猴：(2D网络)医学三维数据且又多模态多标签该如何预处理 运行环境的安装 windows10 64 bits、nvidia驱动、CUDA8.0、cudnn、anaconda 打开命令...

原创 2D-UNet脑胶质瘤分割BraTs + Pytorch实现

2D-UNet讲解 玖零猴：U-Net+与FCN的区别+医学表现+网络详解+创新 BraTs数据准备 玖零猴：(2D网络)医学三维数据且又多模态多标签该如何预处理 运行环境的安装 windows10 64 bits、nvidia驱动、CUDA8.0、cudnn、anaconda 打开命令窗口, 分别输入...

原创 2D-FCN8s,FCN16s,FCN32s脑胶质瘤分割BraTs + Pytorch实现

FCN讲解 玖零猴：FCN+与CNN的区别+三大技术+网络结构 BraTs数据准备 玖零猴：(2D网络)医学三维数据且又多模态多标签该如何预处理 运行环境的安装 windows10 64 bits、nvidia驱动、CUDA8.0、cudnn、anaconda 打开命令窗口, 分别输入以下指令:co...

原创 (2D网络)医学三维数据且又多模态多标签该如何预处理

本章以BraTs数据集为例子 玖零猴：MICCAI+BraTS+多模态+t1,t2,flair,t1c+HGG,LGG+WT,ET,TC 详细地讲解对于2D网络,医学三维数据且多模态多标签该如何预处理,并用代码实现 我的步骤主要以下几步: 1、对各个模态进行标准化 2、对各模态及其GT数据进行裁剪 ...

原创 [概念]MICCAI+BraTS+多模态t1,t2,flair,t1c+HGG,LGG+WT,ET,TC

一、MICCAIMICCAI是由国际医学图像计算和计算机辅助干预协会(Medical Image Computing and Computer Assisted Intervention Society) 举办，跨医学影像计算(MIC)和计算机辅助介入 (CAI) 两个领域的综合性学术会议，是该领域的顶级会议二、BraTS2.1简介脑部肿瘤分割(brain tumor s...

原创 [切片]医学三维数据且又单模态单标签的切片处理

以下代码在这个环境下运行是正常的: 链接本代码的功能:原数据nii和分割nii分别同时切片 分割nii有多个标签时, 可以选择相应的标签进行切片,例如在BraTS_2018数据集（MRI）中的标签：0是背景、1是坏疽、2是浮肿、4是增强肿瘤区,可以设置代码中的LABEL_NUM值. 没有相应标签的切片会自动舍弃掉.1、针对单独一个Nii的切片代码里面有详细的注释.把ni...

原创 [代码实现]UNet++之pytorch + 环境安装 + Brats2018 + 2D分割

源代码链接:https://github.com/MrGiovanni/UNetPlusPlus1、环境的安装1、CUDA8.0 Tensorflow1.4.0:https://blog.csdn.net/m0_38073193/article/details/822902492、git clone https://github.com/MrGiovanni/UNetP...

原创 医学图像2D/3D可视化 ITK-SNAP软件使用

软件下载链接: ITK-SNAP Home1、导入医学图像( nii.gz文件)File->Open Main Image点击 Browse... (切记不能有中文路径) -> Next2、载入相应的分割图数据( nii.gz文件)Segmentation - > Open Segmentation -> Browse... -> Next3、3D可视化左键可以选...

原创 Nii切片-＞2D ndarray灰色图-＞PIL灰色图-＞PIL RGB彩色图

一、NII切片切成2D ndarray灰色图NII为三维医学图像数据，但有时候网络需要2D数据，因此需要对其进行切片，这里最后以np.ndarray保存。读进来的NII像素值很大，有些上千的，而灰色图数值在0-255，所以在转的时候很容易越界丢失数据，因此这里需要进行归一化，示例代码：cbct_subset_path = CBCT_Folder + "/" + str(CBCT_list[subsetindex]) + "/" + str(CBCT_list[subsetindex]) +

原创 代谢工程的相关术语

基因组注释 基因组注释(Genome annotation) 是利用生物信息学方法和工具,对基因组所有基因的生物学功能进行高通量注释,是当前功能基因组学研究的一个热点。基因组注释的研究内容包括基因识别和基因功能注释两个方面。基因识别的核心是确定全基因组序列中所有基因的确切位置。从基因组序列预测新基因,现阶段主要是3 种方法的结合: (1) 分析mRNA 和EST数据以直接得...

原创 3DV-Net脑胶质瘤分割BraTs + Pytorch实现

一、网络模型 论文地址:https://arxiv.org/abs/1606.04797 二、预处理 玖零猴：(3D网络)医学三维数据且又多模态多标签该如何预处理 三、环境配置 1、系统环境 WIN10 + CUDA 92 + CUDNN7 + ANACONDA 2、A...

原创 2D UNet3+ Pytorch实现 脑肿瘤分割

一、网络介绍 论文下载地址及论文翻译与解读: 玖零猴：UNet3+(UNet+++)论文翻译与详细解读 原代码链接: 链接 二、BraTs数据预处理 本文用的训练集和验证集均来自BraTs2018的训练集(其中HGG:210个病人,LGG:75个病人) 但由于BraTs只...

原创 毕业论文如何引用自己写的博客?

自己在毕设论文查重的时候, 竟然看到和自己写的博客有重复,属于复写部分!那怎么将自己的博客引用到参考文献中呢?我做了个实验如下:同样在毕设论文中的参考文献添加 : (作者名字,也就是你自己).标题[DB].标题就是你那篇文章的题目, DB是数据库类型,博客这东西应该属于“互联网数据资源/互联网文档资源”类别,算是数据库吧.然后你在交叉引用->引用到你要引用的位置然后再查重,发现,确实可以引用,但是,查重系统是识别不了博客是你本人的!所以只能是他引!怎么说,我感觉是因

转载 pytorch加载预训练模型

原创 基于偏微分方程的图像分割(二)Snake模型 Matlab实现

一、Snake模型[3]的数字原理 来自[1] 1987年Kass等人共同发表了题为“Snake:Active contour models”的论文,首次引进了变分法,提出了运用活动轮廓模型进行图像分割的思想. ...

原创 基于偏微分方程的图像分割 Snake模型 Matlab实现

一、Snake模型[3]的数字原理 来自[1] 1987年Kass等人共同发表了题为“Snake:Active contour models”的论文,首次引进了变分法,提出了运用活动轮廓模型进行图像分割的思想. ...

转载 numpy array保存为nii格式

将.nii文件读取成numpy array是很常见的，但将分割好的结果numpy array保存为nii格式却也是必须的。现在介绍两种将numpy array保存为nii格式的方法。1、SimpleITK## using simpleITK to load and save data.import SimpleITK as sitkitk_img = sitk.ReadImage('./nifti.nii.gz')img = sitk.GetArrayFromImage(itk_img)

原创 Anaconda一直卡在初始化界面打不开的解决方法

弄了VPN后,打开Anaconda时一直停留在这个画面我猜应该时代理的问题,影响了Anaconda的初始化,所以找到Microsoft Edge Windows默认浏览器.点击右上角然后点击设置然后点击高级再点击打开代理设置然后手动关闭代理,如下图OK~不过有时候代理会自动开,如果再遇到这种情况,按照上述流程再手动关一次...

原创 Pytorch踩坑記——持續更新

1、nn.Conv2D()或者nn.Conv3D()输入参数数据格式不对TypeError: new() received an invalid combination of arguments - got (float, float, int, int, int), but expected one of: * (torch.device device) * (torch.Storag...

原创 (3D网络)医学三维数据且又多模态多标签该如何预处理

本章以BraTS数据为例子，此数据为四个模态三个标签的三维医学数据，关于此数据的更多的信息，可以阅读下面文章。 玖零猴：MICCAI+BraTS+多模态+t1,t2,flair,t1c+HGG,LGG+WT,ET,TC 前面，我已经讲解过对于2D网络来讲，该数据应该如何处理，当然预处理的方法不是唯一，文章也是如此，仅供参考，如有误请指出。 玖零猴：(2D网络...

转载 Anaconda导出/导入环境配置

或者用指令导入conda env create -f d:\python36_20190106.yml

原创 深入理解ResNet 到 IResNet

论文链接： https:// arxiv.org/abs/2004.0498 9 代码链接： https:// github.com/iduta/iresne t ...

原创 UNet3+(UNet+++)论文翻译与详细解读

论文下载地址: 链接 UNET 3+: A FULL-SCALE CONNECTED UNET FOR MEDICAL IMAGE SEGMENTATION ABSTRACT Recently, a growing interest has been seen in deep learningbased semantic segmen...

原创 UNet3+(UNet+++)论文解读

论文下载地址: 链接 UNET 3+: A FULL-SCALE CONNECTED UNET FOR MEDICAL IMAGE SEGMENTATION ABSTRACT 近年来，人们对基于深度学习的语义分割产生了浓厚的兴趣。UNet是一种采用编码-解码结构的深度学习网络，在医学图像分割中有着广泛的应用。结合多尺度特...

原创 TTA(Test-Time Augmentation) 之Pytorch

TTA(Test-Time Augmentation) ,即测试时的数据增强 实现步骤如下: 将1个batch的数据通过flips, rotation, scale, etc.等操作生成batches 将各个batch分别输入网络 每个batch的masks/labels反向转换 通过mean...

原创 树莓派zero w——搭建共享打印机

更新源 在共享打印机之前，先分别修改 2 个软件源，这是第 1 个： sudo nano /etc/apt/sources.list 删除或注释全部内容，添加以下内容： deb http://mirrors.aliyun.com/raspbian/raspbian...

原创 Matlab画激活函数sigmoid， tanh，Relu等

x = linspace(-10.0,10.0);relu = max(x,0);sigmoid = 1./(1.0+exp(-1.0*x));tanh = 2./(1.0 + exp(-2.0 * x)) - 1;plot(x,relu,'r');hold on;plot(x,sigmoid,'b');hold on;plot(...

原创 HybridResUnet脑胶质瘤分割BraTs + Pytorch实现

论文链接: https://download.csdn.net/download/weixin_40519315/12314673 BraTs数据准备 数据来源 本文用的训练集和验证集均来自BraTs2018的训练集(其中HGG:210个病人,LGG:75个病人) 但由于BraTs只公开训练集数...

原创 2D HybridResUnet脑胶质瘤分割BraTs + Pytorch实现

论文链接: https://download.csdn.net/download/weixin_40519315/12314673 BraTs数据准备 数据来源 本文用的训练集和验证集均来自BraTs2018的训练集(其中HGG:210个病人,LGG:75个病人) 但由于BraTs只公开训练集数...

原创 2D DeepResUnet脑胶质瘤分割BraTs + Pytorch实现

论文链接: Road Extraction by Deep Residual U-Net BraTs数据准备 数据来源 本文用的训练集和验证集均来自BraTs2018的训练集(其中HGG:210个病人,LGG:75个病人) 但由于BraTs只公开训练集数据,没有测试集数据,如果在训练集中再拆一部...

原创 2D DenseUnet-based(DARTS)脑胶质瘤分割BraTs + Pytorch实现

论文链接: https://arxiv.org/abs/1611.09326 BraTs数据准备 数据来源 本文用的训练集和验证集均来自BraTs2018的训练集(其中HGG:210个病人,LGG:75个病人) 但由于BraTs只公开训练集数据,没有测试集数据,如果在训练集中再拆一部分用来作测试集的话,那训练集便少了许...

原创 [论文翻译] Network In Network

论文(2014年): 链接AbstractWe propose a novel deep network structure called “Network In Network”(NIN) to enhance model discriminability for local patches within the receptive field. The conventional ...

原创 [论文解读]深度学习基础模型NIN(Network in Network)+Pytorch

论文(2014年): 链接 Pytorch代码: 链接 《Network In Network》是一篇比较老的文章了（2014年ICLR的一篇paper），是当时比较牛逼的一篇论文，同时在现在看来也是一篇非常经典并且影响深远的论文，后续很多创新都有这篇文章的影子。通常里程碑式的经典是不...

原创 深度学习基础模型NIN(Network in Network)+Pytorch

论文(2014年): 链接 Pytorch代码: 链接 《Network In Network》是一篇比较老的文章了（2014年ICLR的一篇paper），是当时比较牛逼的一篇论文，同时在现在看来也是一篇非常经典并且影响深远的论文，后续很多创新都有这篇文章的影子。通常里程碑式的经典是不...

原创 [函数]nn.AdaptiveAvgPool2d

class torch.nn.AdaptiveAvgPool2d(output_size)对由多个输入平面组成的输入信号应用二维自适应平均池 （2D adaptive average pooling ）。对于任何输入大小，输出的大小都是。输出特征图的数量等于输入特征图的数量。...

原创 [函数]nn.Conv2d

nn.Conv2d(self, in_channels, out_channels, kernel_size, stride=1, padding=0, dilation=1, groups=1, bias=True))参数：  in_channel:　输入数据的通道数，例RGB图片通道数为3；   out_channel: 输出数据的通道数，这个根据模型调整；   kennel_siz...