本教程将使用matplotlib的命令式绘图接口pyplot。 该接口维护全局状态，并且可用于简单快速地尝试各种绘图设置。 另一种是面向对象的接口，这也非常强大，一般更适合大型应用程序的开发。 如果你想了解面向对象接口，使用上的常见问题是一个用于起步的不错的页面。1. 将图像数据导入到 NumPy 数组加载图像数据由 Pillow 库提供支持。 本来，matplotlib只支持 PNG 图像。 如
转载
2024-09-25 16:10:17
186阅读
文章目录Medical ultrasoundMRICTOCT Medical ultrasoundMedical ultrasound 医学超声。基于超声的诊断成像技术。通过将超声波脉冲发送到组织中，根据不同反射特性的组织回波，从而被记录为图像。就好比挑西瓜，一边敲一边听声音判断是否熟了。 超声诊断法可分为 A 型、B 型、M 型及 D 型四大类。其中 B 型超声（B 超） 常用于妇产科、泌尿、
总结一下目前遇到的一些医学图像预处理步骤，但才开始自学两周，所以很多东西或许不对或者不全面，以后争取每两周回顾以前的文章，将内容完善，并提高质量。（2019-3-5） 由于篇幅原因，将预处理的步骤分开来，这一篇将总结读取图片的方法。 2019/7/7更新，写在最前：关于图片读取出来宽、高顺序问题 （文中nii读取图片那节也有提到图片读取出来的w,h先后问题。） 有这样的疑问是看得多了之后发现有时候
转载
2024-10-22 11:27:05
52阅读
一、问题描述最近在开发过程中遇到了这样的问题：在医学图像开发过程中，我们将医学图像通过深度学习算法进行分割，现在想要通过这一套二维图像进行三维重构。以下是分割结果： 以下是读取的遮罩mask： 如何将这些二维图像进行三维重建，是个棘手问题，笔者通过vtk进行建模操作。二、解决方案0. 写在前面医学图像的三维重建本身就是热点技术，这项技术也并非新鲜技术，笔者调研多份前者的博客与其余资料
转载
2023-11-23 20:19:29
461阅读
Swin-Unet: Unet-like Pure Transformer for Medical Image Segmentation论文：https://arxiv.org/abs/2105.05537代码：https://github.com/HuCaoFighting/Swin-Unet首个基于纯Transformer的U-Net形的医学图像分割网络，其中利用Swin Transforme
转载
2023-12-05 08:54:40
248阅读
# 使用PyTorch进行超声图像处理的入门指南
## 引言
在医疗成像领域，超声图像处理对于诊断和治疗有着重要的意义。借助PyTorch这种强大的深度学习框架，您可以轻松地实现对超声图像的处理和分析。本文将引导您完成这一过程，展示从数据收集到模型评估的完整流程。
## 整体流程
以下是实现“PyTorch超声图像处理”的步骤流程图：
```mermaid
journey
titl
三维重建技术通过深度数据获取、预处理、点云配准与融合、生成表面等过程，把真实场景刻画成符合计算机逻辑表达的数学模型。这种模型可以对如文物保护、游戏开发、建筑设计、临床医学等研究起到辅助的作用。1.1 研究背景及意义人类通过双眼来探索与发现世界。人类接收外部信息的方式中，有不到三成来自于听觉、触觉、嗅觉等感受器官，而超过七成、最丰富、最复杂的信息则通过视觉[1]进行感知的。计算机视觉便是一种探索给
文章目录调用pytorch内置的模型的方法解读模型源码Resnet.py包含的库文件该库定义了6种Resnet的网络结构，包括每种网络都有训练好的可以直接用的.pth参数文件Resnet中大多使用3*3的卷积定义如下如何定义不同大小的Resnet网络定义Resnet18定义Resnet34Resnet类我们来看看网络的forward过程我们来看看残差Block连接是如何实现的 torchvisi
转载
2023-11-24 13:13:32
66阅读
transforms运行机制torchvision是pytorch的计算机视觉工具包，在torchvision中有三个主要的模块：torchvision.transforms，常用的图像预处理方法，在transforms中提供了一系列的图像预处理方法，例如数据的标准化，中心化，旋转，翻转等等；torchvision.datasets，定义了一系列常用的公开数据集的datasets，比如常用的MNI
转载
2023-09-24 21:22:12
335阅读
SuperPoint该论文是 magic leap 公司在18年的一篇工作，而且提供了代码，基于 pytorch 的，不过遗憾的是训练代码和相应的渲染的训练数据没提供。主要思路本文提出了一个自监督的方式去训练网络来提取特征点以及计算描述符。基本流程整体框架整体框架如下图，下面会abc三个步骤分别介绍：特征点提取预训练如果要使用有监督的深度学习方案来解决该问题，不同于其他传统的像分类、检测和分割这样
转载
2023-11-03 09:09:02
811阅读
为了获得高质量的分割结果，目前临床上小儿超声心动图的分割主要由超声工作者手工完成，这既费时费力，又高度依赖于超声工作者的专业水平。为了解决这些问题，本文提出了一种新的卷积神经网络（CNN）结构，称为双网络一般对抗网络（DNGAN）。DNGAN由一个产生器和两个鉴别器组成，产生器…
转载
2021-07-06 16:17:37
365阅读
感谢作者：目录一、ResNet v1二、ResNet v2一、ResNet v1 一说起“深度学习”，自然就联想到它非常显著的特点“深、深、深”（重要的事说三遍），通过很深层次的网络实现准确率非常高的图像识别、语音识别等能力。因此，我们自然很容易就想到：深的网络一般会比浅的网络效果好，如果要进一步地提升模型的准确率，最直接的方法就
转载
2024-06-09 08:58:05
44阅读
最近参加了伯禹平台和Datawhale等举办的《动手学深度学习PyTorch版》课程，对文本分类，数据增强，模型微调做下笔记。文本情感分类文本分类是自然语言处理的一个常见任务，它把一段不定长的文本序列变换为文本的类别。本节关注它的一个子问题：使用文本情感分类来分析文本作者的情绪。这个问题也叫情感分析，并有着广泛的应用。同搜索近义词和类比词一样
ATTransUNet期刊分析摘要贡献方法整体框架1. Residual Swin Transformer block2. Interactive channel attention module3. Supplementary feature fusion module4. Boundary detection module实验1. 消融实验2. 对比实验3. 失败案例讨论可借鉴参考 期刊分析
已经开发出许多专用于医学图像后处理的算法，从而提出了有关此类图像评估的根本问题。主观评估是评估医学领域质量的最可靠方法。但是，由于人类观察者必须具有医学背景，因此在医学应用中既费时又困难。客观指标是一个很好的选择，并且已得到广泛开发，尤其是对于自然图像。根据参考图像的可用性，将这些指标分为完全参考（FR），精简参考（RR）和无参考（NR）图像质量评估（IQA）方法。由于换能器与主体，波束形成过程和
转载
2023-11-30 10:23:18
748阅读
2. 主流方法FCN （https://arxiv.org/abs/1411.4038）方法描述：使用全卷积网络进行语义分割（Fully Convolutional Networks for Semantic Segmentation），于2014年提出主要贡献：（a）将端到端的卷积网络应用于语义分割领域，（b）修改
转载
2024-01-15 14:10:17
71阅读
文章目录0 项目说明1 引言1. 1 甲状腺超声图像自动良恶性诊断及其意义1.2 深度学习在甲状腺超声图像良恶性诊断中的应用2 理论部分2.1 数据集2.2 工作站环境2.3 预处理2.4 传统机器学习：非卷积神经网络2.5 神经网络：简单的卷积神经网络2.6 迁移学习：微调GoogLeNet Inception v3模型2.7 图像增强：简单的卷积神经网络2.8 图像增强：生成对抗网络3 项目
转载
2024-07-04 21:00:46
100阅读
摘要大多数现有的基于Transformer的网络架构用于视觉应用，但需要大规模数据集来正确训练。然而，与用于视觉应用的数据集相比，用于医学成像的数据样本数量相对较低，使得难以有效地训练用于医学应用的Transformer。为此，我们提出了一个门控轴向注意（Gated Axial-Attention）模型，该模型通过在自注意模块中引入额外的控制机制来扩展现有的体系结构。此外，为了在医学图像上有效地训
转载
2024-05-15 14:13:09
168阅读
创建日期: 2020-02-17 16:45:35
上一篇文章总结了在图像分割问题中，常用的经典损失函数，包括基于交叉熵和基于重叠度两大系列损失函数。这篇介绍一下损失函数在医学图像分割问题中的应用。1. 损失函数在医学图像分割中的应用 上一篇文章中我们讨论了标准的交叉熵损失函数及其加权版本，这些损失函数也都广泛应用在医学图像分割问题中。但是针对大背景中的小前景对象分割问题（常见于医学图
近日开始进入实验室搬砖，涉及医学图像这一块，之前没有接触，对内容进行一个梳理，帮助自己的理解，同时可能可以帮助其余有需要的人。1.医学影像学医学影像学（Medical Imaging）是研究借助于某种介质（比如X射线，电磁场，超声波等）和人体相互作用，把人体内部组织器官结构、密度以影像方式表示出来，供诊断医师根据影像提供的信息进行判断，从而对人体健康状况进行评价的一门科学，包括医学成像系统和医学图
转载
2024-07-16 15:38:04
173阅读
