为了应对数字病理切片受到不同中心、不同扫描设备的影响，先后有不同的研究提出了针对病理图像的染色归一化（stain normalization）方法。本仓库对三种染色归一化方式进行了封装，针对常见的病理图片处理流程实现了染色归一化工具。

提供了与examcoo上作业题相同的知识点范围（由粗体加粗），第一到九章的思维导图。

由三个部分组成：梯度下降法的代码实现、牛顿下降法的代码实现和机器学习中的优化代码实现；使用Python作为编程语言，PyTorch作为机器学习库。

WSI Segmenter 是一个基于轻量化分割网络DeepLab v3架构的病理切片肿瘤区域分割工具，可实现切片中 ROI（感兴趣区域）的分割，支持 QuPath 软件（版本 >= 0.4.2）；该工具使用预训练的 ResNet 作为骨干网络，通过深度学习算法实现肿瘤区域分割。

为了应对数字病理切片受到不同中心、不同扫描设备的影响，先后有不同的研究提出了针对病理图像的染色归一化（stain normalization）方法。本仓库对三种染色归一化方式进行了封装，针对常见的病理图片处理流程实现了染色归一化工具。

使用最新的torchvision.transforms.v2调用CutMix和MixUp

提供了与examcoo上作业题相同的知识点范围（由粗体加粗），第一到九章的思维导图。

Qupath是病理领域常用的阅片和标注软件，本教程通过演示一个简单的QuPath支持的Groovy脚本，展示如何将高分辨率全视野切片（WSI，whole slide images）导出为不同分辨倍率下的patch（或称Tile），同时单张slide的导出平均耗时在15s以内。

在这篇博客介绍了ANTs的一种简单的安装教程，它基于官方的Releases，只需要几步便可以完成。

简单易用；无需使用Pytorch或Tensorflow等机器学习框架，基于Face-Recognition库提取特征向量，使用scikit-learn的SVC作为分类方法，实现了一个包含GUI的人脸识别程序。