第一章 介绍第二章 图像配准第三章 elastix第四章 transformix第五章 教程第六章 高级主题第七章 开发者指南附录 A——示例参数文件附录 B——示例变换参数文件附录 C——实践练习详细内容可查看官方文档...

1.百度智能云图像增强和特效API链接如下：https://cloud.baidu.com/product/imageprocess/enhancement图像增强与特效的SDK文档链接：https://cloud.baidu.com/doc/IMAGEPROCESS/s/Wk3bcltfa2.功能接口介绍：官网链接：https://ai.baidu.com/ai-doc/IMAGEPROCESS

Transformix是和Elastix配套使用的一个工具，它能将两个图像配准后的形变场应用到另外单独的一个图像上，使其能够获得相同的变换。下面分别介绍用Elastix在命令窗口调用以及SimpleElastix调用的方法。一、基于命令行调用TransformixTransformix是Elastix一起配套的，安装完Elastix后就能够在命令窗口调用Transformix调用的代码：elast

神经网络在工作的时候，里面到底是什么样？为了能透视这个“AI黑箱”中的过程，加拿大蒙特利尔一家公司开发一个3D可视化工具Zetane Engine。只需要上传一个模型，Zetane Engine就可以巡视整个神经网络，并且还可以放大网络中的任何一层，显示特征图，看清流水线上的每一步。目前Zetane Engine不同系统的版本都可以在GitHub网站zetane中找到，不同版本的下载地址(左图为卷

IDE VS Code配置matlab

深度学习可视化解释的显著性map学习笔记(1)CAM(Classification Activation Mapping,类激活图)。目的在于定位出图像上的哪些区域帮助CNN完成了图像的分类。普通的CNN网络，一般分成特征提取和特征分类两大模块，CAM的实现为对输出的特征进行GAP(Global Average Pooling)，得到数量等于输出channel数的一个向量。后面再接一个全连接层，输

需求推荐工具原因普通 T1 脑提取BET（加-R -f 0.4快速、经典T2、PD、病灶图像HD-BET鲁棒、跨模态、自适应脑组织分割（GM/WM）更精细的结构分割批量处理HD-BET / 自写脚本自动化更高。

Pytorch学习日志、思维导图原件以及代码可在此处下载：https://download.csdn.net/download/Joker00007/20439865

参考博客：系统学习Pytorch笔记七：优化器和学习率调整策略pytorch优化器学习率调整策略以及正确用法Pytorch使用ReduceLROnPlateau来更新学习率分类模型参数调整的Github参考代码

参考博客：系统学习Pytorch笔记七：优化器和学习率调整策略pytorch优化器学习率调整策略以及正确用法Pytorch使用ReduceLROnPlateau来更新学习率分类模型参数调整的Github参考代码