九叶草

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： 在对医学图像进行深度学习的过程中，我们会遇到图片过大，导致train的过程中网络会瘫痪，所以我们会考虑到对图像进行分割。比如一张155x240x240的图像，我们可以将他分割成一系列128x128x128大小的小图像。代码如下： from crop import * import torch def 阅读全文