随笔分类 - python
摘要：# coding: utf-8 #主要将子文件下大量图片进行路径编号，并保存到csv文件当中。方便直接从文件读取图片路径以及其他图片信息。 #我做的是图像分割，所以存在三类分割区域：["large_bowel", "small_bowel", "stomach"]。 #文件路径：train\case
阅读全文
摘要：为了便于直观的看到2D标签，通常会将其转化为png图像，具体代码如下： # coding:utf-8 from glob import glob import os import SimpleITK as sitk from pathlib import Path import numpy as n
阅读全文
摘要：具体代码 ，请看的的github if __name__ == "__main__": df = pd.read_csv(r'D:/compation/kaggle/train.csv/train.csv') # 路径文件 list_images = glob(r'D:\\compation\\ka
阅读全文
摘要：使用nnUNet跑BraTS脑肿瘤分割预测TC和ET非常低，原来是预测的时候，使用了预处理后的标签。原本标签是：2:WT, 1:TC, 4:ET。但是预处理之后变为：1:WT, 2:TC, 3:ET。所以我们对于最后预测完需要变回原来的标签值。nnUNet需要改动代码位置：nnunet/infere
阅读全文
摘要：在使用nn-Unet做BraTS2019数据集预测时，预测文件分别生成了三类文件：.pkl .npz .nii.gz，我们需要的是.nii.gz文件。所以需要进行文件移动。 # coding:utf-8 import os,shutil import time src_path=f"C:\\User
阅读全文
摘要：在进行深度学习时，为了提高精度，或者为了评估我们模型的优劣，以及如何选择一个更好的模型。这样我们就需要用到交叉验证方法。 我们主要实现如何使用KFold划分训练集和验证集 #coding:utf-8from sklearn.model_selection import KFold def selec
阅读全文
摘要：对于小数据量医学图像进行深度学习使，会由于数据量过小而过拟合。因此我们需要采用数据扩充方法，而flip和rotate又是经常用到的，这里做一个简单的实现。 输入为[batchsize,height, width, channel]。这里是2D医学图像数据增强，我之前应该有写到3D增强，不过2D稍加改
阅读全文
摘要：#coding:utf-8# 任务需要，需要删除多余的文件，手动删除太麻烦，几行python搞定 import os from glob import glob path = r"/media/icml-014/peixu/MyData/2019brain/valid/*" # 获取到目录 all_
阅读全文
摘要：# coding:utf-8 import numpy as np import torch # 首先确定原图片的基本信息：数据格式，行数列数，通道数 rows=886#图像的行数 cols=492#图像的列数 patchsx = rows patchsy = cols batchsz = 16 c
阅读全文
摘要：import cv2 #OpenCV包 import numpy as np # 首先确定原图片的基本信息：数据格式，行数列数，通道数 rows=886#图像的行数 cols=492#图像的列数 channels =1# 图像的通道数，灰度图为1 path = r"C:\Users\wpx\Desk
阅读全文
摘要：#coding:utf-8 import torch from monai.transforms import Compose, RandHistogramShiftD, Flipd, Rotate90d import matplotlib.pyplot as plt import SimpleIT
阅读全文
摘要：窗宽指CT图像所显示的CT 值范围，在此CT值范围内的组织和病变均以不同的模拟灰度显示窗位（窗中心）指窗宽范围内均值或中心值，如果窗宽为100Hu，当窗位为中心 0Hu，则CT值的范围为-50Hu ~ +50Hu；当窗位为中心 +35Hu，则CT值的范围为-15Hu ~ +85Hu； def inf
阅读全文
摘要：#coding:utf-8 import matplotlib.pyplot as plt import numpy as np import os from skimage.transform import resize from glob import glob import SimpleITK
阅读全文
摘要：import SimpleITK as sitk from glob import glob import os path = glob(r"D:\MyData\date\*") n = len(path) res = [] for file in path: # print(file) file_
阅读全文
摘要：file_name = ["portalvein", "venoussystem", "venacava"] def read_dicom(path): lstFileDCM = [] for dirName, subdirList, fileList in os.walk(path): n = l
阅读全文
摘要：话不多说，直接上代码。 # coding:utf-8 import zipfile import utils_file n = 21 # 我事先知道我有多少个文件，所以确定为21 for i in range(1, n): path = r"D:\MyData\3Dircadb1\3Dircadb1
阅读全文
摘要：计算量：FLOPs，FLOP时指浮点运算次数，s是指秒，即每秒浮点运算次数的意思，考量一个网络模型的计算量的标准。参数量：Params，是指网络模型中需要训练的参数总数。 flops(G) = flops / 1000**3 params(M) = params /1000**2
阅读全文
摘要：两种方法： 1、去github下下载apex ，之后安装到你的python环境下，我的安装路径：E:\Anaconda\anaconda\envs\pytorch\Lib\site-packages 注：建议用git下载 1、git clone git@github.com:NVIDIA/apex.
阅读全文
摘要：主要完成了界面化设计，代码如下 import cv2 as cv import numpy as np import sys from PyQt5.Qt import * class MyWediget(QWidget): def __init__(self): super().__init__()
阅读全文
摘要：第一种方法：我们只会生成一个exe文件，因为所有的库文件他都会包含在这个exe文件中 1、安装：pyinstaller pip install pyinstaller 2、使用如下命令编译 pyinstaller -F -w GraphCut.py 3、会在项目下生成文件：NewCutUI.spec
阅读全文