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
医疗NLP实践与思考深度学习技术在许多医学问题上取得成功：医学图像分类和分割：CNN文本中信息抽取、疾病预测：CNN、RNN、transformer病患语音识别和机器翻译：RNN、Seq2Seq体征检测和疾病风险评估：RNN、MLP、transformer新药研发：GCN手术机器人：CNN、强化学习等等…NLP赋能医疗业务 医疗数据包括：电子病历数据、药品说明书、检查报告单、体检报告、在线问诊/论
转载
2023-08-25 22:06:30
179阅读
思念你时 我总会想到三羧酸循环 这是一个繁琐而复杂的过程 结果却总会使我充满能量; 见到你时， 下丘脑-交感-肾上腺髓质系统就不由自主地兴奋: 心动过速、呼吸过快、全身血流重分布、有时激动得快晕厥。 其实， 我们早就认识了 就像多数人有幽门螺旋杆菌感染一样， 你就活在我的生命里。 只是， 我现在才发
原创
2021-07-12 17:21:07
357阅读
# Python 在医学中的应用
## 引言
随着科技的不断进步，Python 逐渐成为医学研究和临床应用领域的重要工具。它以其简易的语法和丰富的库支持，帮助科研人员处理大量数据，进行生物信息学分析，以及机器学习模型的构建。本文将介绍 Python 在医学中的一些应用场景，并带有相关代码示例。
## Python 的主要应用场景
### 1. 数据分析
医学领域通常涉及大量的实验数据，P
开篇先感谢 1.个人主页、博客、社区、论坛北大李东风[3]
中科大张伟平[4]
谢益辉(人称谢大大)[5]：统计之都论坛[6]创始人(与之有关的统计之都[7])
统计学资源链接大全[8]：知名 统计系、统计学会、统计组织、统计软件、统计期刊的官网（该老师的主页[9]）
斯坦福大学统计系：Trevor Hastie[10]、Jerome H. Friedman[11]、Rob Tibshi
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
1 前言随着医学图像三维重建体绘制技术的发展及其研究的深入，医生对数据的分析不再局限于简单的观察输出结果，还要求能对结果进行友好交互，使最终结果更能满足其特定的观察需求。然而由于医学数据通常较大，对所有数据的重建和交互计算量非常大，目前能达到重建速度快、重建效果好、交互流畅的技术一般都是在专业的图形工作站上实现。但这些设备通常较为昂贵，一定程度上阻碍了三维重建体绘制技术在医学领域的普及。
转载
2023-09-26 22:17:10
0阅读
一、什么是图像image？各种数字化表示的图片、图表以及照片的统称，是二维及以上的高维信息。二、图像的分类1.图像取值的不同：黑白图像（black and white image）/二值图像（binary image），灰度图像（gray level image）和彩色图像（color image） 黑白图像：指图像的每个像素只能是黑或者白，没有中间的过渡，故
转载
2024-01-22 11:46:43
363阅读
对于一个刚刚进入实验室的学生而言，尤其是本科可能还是临床专业的。对于科研这方面基本上就没有接触的情况下，在一进入实验室的时候可能都不知道要干嘛。这里，就根据笔者自己的经验来给刚刚进入实验室的小朋友们，分享一下我们在进入医学科研这个领域的时候，都需要有哪些技能。以下只代表自己的个人观点，要是有哪些遗漏的欢迎补充。我们在科研最后呈现的时候，其实都是通过文章来进行呈现的。所以其实我们需要具备的一切的技能
转载
2023-10-24 23:15:21
104阅读
单色图像的分割算法通常基于图像亮度值的两个基本特性：不连续性和相似性。在第一种类别中，处理方法是基于亮度的突变来分割一幅图像，如图像的边缘。在第二种类别中，主要方法是根据事先定义的准则把图像分割成相似的区域。今天小白介绍一下MATLAB中常用边缘检测的方法。掩膜的概念常用的点、线、边缘检测首先需要对检测的工具——掩模这一概念需要了解。拿3 x 3的掩模来说，该过程为计算系数和由掩模覆盖
转载
2023-10-19 23:47:05
82阅读
近年来，深度学习技术一直都处于科研界的前沿。凭借深度学习，我们开始对图像和视频进行分析，并将其应用于各种各样的设备，比如自动驾驶汽车、无人驾驶飞机，等等。 A Neural Algorithm of Artistic Style是一篇最新发表的研究性论文，论文向我们介绍了如何将一种风格和气质从艺术家身上转移至一张图像，并由此创建出另一张新图像。其他的一些论文，比如Gener
转载
2024-05-21 23:57:13
98阅读
医学图像进行数据增强（翻转、旋转）的方法总结使用深度学习执行图像分类任务时往往因为数据量不平衡或者数据量不足，需要进行数据增强，数据增强包括平移、旋转、裁剪、拉伸、缩放、水平翻转、垂直翻转、水平垂直、加噪声等等。而对于乳腺超声图像数据来说，拉伸、裁剪等操作会改变图像的形状信息，因此我使用水平翻转和旋转的方法进行数据扩充。一、水平翻转两种方法：分别是利用Opencv的DataAugment（）函数、
转载
2024-04-24 13:01:00
500阅读
1.X线检查X光检查：也叫拍片子，它有很强的穿透能力，检查时就像给身体拍了一张平面影像的照片。如果遇到被遮挡的部位，底片上不会曝光，但洗片后会呈现出白色。适用情况：X光是观察骨骼简便的检查方式，价格也相对较便宜。如果怀疑四肢、脊柱等部位出现急性外伤，伤到了骨骼，有突发急性疼痛或是难以控制的慢性疼痛，一般会优先选择X光。缺陷：X光检查只能提供平面影像，成像也容易受衣物、首饰甚至过厚的软组织影响，一般
转载
2024-03-28 10:54:12
93阅读
作者：梦飞翔 编辑：学姐引自Unetr: Transformers for 3d medical image segmentation1.序言本文将以Nvidia团队最近提出的一种新的医学图像分割网络作为切入点，结合所用开源数据集，为各位同学提供一份从下载数据集到搭建网络训练医学任务的完整攻略，希望可以为各位医工交叉领域的同学提供一条捷径，力争少走弯路。2.开源数据集获取与使用本节将以论文作者使用
转载
2024-01-25 18:03:29
712阅读
基于GPU加速的医学图像融合分析-计算机应用技术专业论文摘要不同成像设备因其成像原理不同，所成图像也会各具特色。将多幅不同类型的医 学图像进行融合处理，可使各图像优势得到相互补充，图像信息得到全面利用，为临 床诊疗提供更加完善、全面、丰富的医学图像。无论是在医学研究还是临床应用方面，医学图像处理技术发挥的效力和影响力都 越来越大，这也促使我们对 CT 和 MRI 图像融合的速度要求越来越高，迫使我
转载
2023-10-09 21:19:48
184阅读
### 使用Python进行医学数据分析的入门指南
在现代医学研究中，数据分析起着至关重要的作用。Python以其简单易学和强大的数据处理能力，成为医学数据分析中的热门语言。本文将带你了解如何从零开始实现“Python 语法 医学”，并逐步引导你掌握这一过程。
#### 整体流程
以下是实现“Python语法 医学”的总体步骤。
| 步骤 | 描述
# Python医学图像的实现流程
## 1. 简介
在医学领域，图像处理是非常重要的一项技术。Python作为一种简单易用的编程语言，也可以用于医学图像的处理和分析。本文将介绍如何使用Python进行医学图像的处理。
## 2. 实现步骤
下面是实现医学图像处理的一般步骤：
| 步骤 | 描述 |
| ---- | ---- |
| 1. 安装必要的库 | 确保已经安装了所需的Pyth
原创
2023-09-16 13:19:35
331阅读
# 如何实现一个基本的Python医学应用
在这个的数字化时代，医学应用程序在医疗行业中发挥着重要的作用。对于刚入行的小白来说，构建一个简单的Python医学应用需要几个步骤。本文将为您详细介绍流程、代码实现以及如何构建和部署这些步骤。
## 整体流程
我们将创建一个简单的应用，帮助用户输入病人的症状并返回可能的疾病。下面是实现这个应用的步骤：
| 步骤 | 任务描述
原创
2024-09-11 07:43:38
49阅读
基于统计的NLP算法或模型的性能关键在于语料库，但带标注的语料库不容易获得。这里介绍几个构造训练集或测试集的简便方法，在没有足够标注集的情况下可以采用。1.词义消歧 用固定字符串替换多词。如，用词符串“8888”替换语料中出现的“屌丝”和“高富帅”，其中“8888”是歧义词，其含义可能为“屌丝”或“高富帅”，以此类推构造其他词汇，这样就得到了一个人工标注的歧义语料库。该方法可用于构
转载
2024-09-19 13:04:37
41阅读
0. 词向量是什么 自然语言理解的问题要转化为机器学习的问题，第一步肯定是要找一种方法把这些符号数学化。 NLP 中最直观，也是到目前为止最常用的词表示方法是 One-hot Representation，这种方法把每个词表示为一个很长的向量。这个向量的维度是词表大小，其中绝大多数元素为 0，只有一个维度的值为 1，这个维度就代表了当前的词。 举个栗子， “话筒”表示为 [0 0 0&nb
