摘要： 
今天把之前写在知乎上的文章都搬过来了，也把博客园的个人主页自定义了一下，感觉还是挺不错的，而且写博文也可以用原生markdown了。之前写在知乎上的文章用了一些知乎自定义的公式表示方法，导致迁移过来的文章，包含公式的部分大都出现了乱码，也是很无奈，也没心思再去敲一遍了，就那样放着吧，以后要是查相应公 阅读全文
今天把之前写在知乎上的文章都搬过来了，也把博客园的个人主页自定义了一下，感觉还是挺不错的，而且写博文也可以用原生markdown了。之前写在知乎上的文章用了一些知乎自定义的公式表示方法，导致迁移过来的文章，包含公式的部分大都出现了乱码，也是很无奈，也没心思再去敲一遍了，就那样放着吧，以后要是查相应公 阅读全文
摘要：
编辑日期: 2021-04-24 16:57:48 本文主要介绍3DUNet网络，及其在LiTS2017肝脏肿瘤数据集上训练的Pytorch实现代码。 GitHub地址： https://github.com/lee-zq/3DUNet-Pytorch LiTS2017数据集 链接： https:/ 阅读全文
摘要：
创建日期: 2020-03-03 16:35:29 定了图像语义分割这个方向大概有半年多了，具体研究课题方向是基于深度学习的医学图像分割。这里作一个简要的阶段性小结。 一、医学图像的突出特征 总体上来说，医学图像相比于自然图像（通过可见光成像）有以下四点区别： 1、医学图像的模态（格式）更加多样化， 阅读全文
摘要：
创建日期: 2020-02-19 23:59:39 实现医学图像的自动分割是一个非常有价值的工作，我也很看好这个方向的实用价值，特别是目前我国国民平均生活水平大幅上升、同时即将到来的人口老龄化时代，每个人对自身身体健康越来越关心，即使我国的医疗卫生体系已经快速发展，但还是不能满足巨大的的医疗资源需求 阅读全文
摘要：
创建日期: 2020-05-10 16:44:00 本文总结了利用CNNs进行图像语义分割时，针对网络结构的创新，这些创新点主要包括新神经架构的设计（不同深度、宽度、连接和拓扑结构）和新组件或层的设计。前者是利用已有的组件组装复杂的大型网络，后者是更偏向于设计底层组件。首先介绍一些经典的语义分割网络 阅读全文
摘要：
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 阅读全文
摘要：
创建日期: 2020-02-17 16:45:29 本文总结一下基于深度学习的自然图像和医学图像分割问题中，常用的损失函数。 从频率派的角度看深度学习模型，是把输入数据 X 假设为一个随机变量，服从一个概率分布 X\sim P(x|\theta) , 其中的参数 \theta 是未知常量。我们需要对 阅读全文
摘要：
创建日期: 2020-01-10 00:01:21 本文基于一篇2019年年底最新的图像分割综述Deep Semantic Segmentation of Natural and Medical Images: A Review，对自然图像语义分割以及医学图像分割的知识点进行了梳理和总结。 摘要：图 阅读全文
摘要：
创建日期: 2021-12-24 17:00:00 update log(2021.12.24)：B站视频删除了，回放看了一下，讲的不太行......2333，时间过得真快，转眼就是2022年了啊 2021.08.01更新代码讲解视频： 视网膜血管分割代码分析(Pytorch实现)_哔哩哔哩_bil 阅读全文
摘要：
创建日期: 2020-03-02 17:05:47 2020.05.09更新：看到有些人无法连接到wifi网络，我重新制作了树莓派的镜像文件。将静态ip设定删除了。这样就可以直接用下面介绍的：在系统boot目录下新创建文件名为'ssh'和'wpa_supplicant.conf'的两个文件的方法，开 阅读全文
摘要：
创建日期: 2020-07-04 17:07:18 上一篇实现了树莓派4B上的深度学习环境搭建和测试： 树莓派与深度学习：环境配置及镜像分享 这一篇试试在其上运行深度学习目标检测模型进行推理的效果，主要是基于TensorFlow目标检测API，并从该项目的一个子页面下载训练好的模型和权重，直接进行目 阅读全文
摘要：
创建日期: 2020-03-11 16:59:10 这两天又重新回顾了一下医学图像数据的读取和预处理方法，在这里总结一下。 基于深度学习做医学图像数据分析，例如病灶检测、肿瘤或者器官分割等任务，第一步就是要对数据有一个大概的认识。但是我刚刚入门医学图像分割的时候，很迷茫不知道自己该干啥，不知道需要准 阅读全文
摘要：
创建日期: 2020-07-04 17:19:39 **简介：**卷积神经网络非常适合处理图像相关任务，其优势一是权值共享策略，降低了模型复杂度和参数量，本质上也对应着生物视觉神经的感受野。二是其强大的特征提取能力，这也是目前视觉感知任务（分类检测分割等）性能提升的关键。而CNN模型的Bacebon 阅读全文
摘要：
创建日期: 2020-03-02 17:02:54 简介： GhostNet是2020CVPR录用的一篇对卷积操作进行改进的论文。文章的核心内容是Ghost模块（Ghost Module），可以用来替换任何经典CNN网络中的卷积操作，突出优势是轻量高效，实验证明使用了Ghost Module的Mob 阅读全文