在训练神经网络的时候，有时候数据的读取处理所占用的时间比较长，像数据量非常大的情况，或者是3D的数据预处理比较耗内存的情况。此时我们希望并行化，即数据处理与训练同时进行。参考：https://tensorpack.readthedocs.io/tutorial/extend/input-source.html图片上为两种数据处理的方式：并行化和串行化。并行化：在处理数据的时候并进行训...

ffmpeg drawtext居中放置主要是这两个参数：drawtext="fontsize=30:fontfile=FreeSerif.ttf:text='hello world':x=(w-text_w)/2:y=(h-text_h)/2"

Antspy三个API:image_readfrom_numpyimage_writeimage_readimport antsfile = '../T1.nii'data = ants.image_read(file)ants.plot(data)from_numpyget numpyarr = data.numpy()arr.shape# (240, 240,...

對於xgboost,min_child_weight是一個非常重要的參數，官方文檔描述如下：minimum sum of instance weight (hessian) needed in a child. If the tree partition step results in a leaf node with the sum of instance weight less th...

Miele-LXIV文章目录Miele-LXIV有关CT及MRI阅片常识1. CT及MR2. 矢状面，冠状面，横断面3. 图像中的原点，大小，间距以及方向Miele-LXIV的使用演示有关CT及MRI阅片常识1. CT及MR（1）CT利用各种组织对X线的不同吸收系数，产生图像上的密度差异，，测量单位HU（Hounsfield units）,CT可以进行横截面和多个平面的成像。HU值的范围较...

参考：https://www.kaggle.com/meaninglesslives/unet-resnet34-in-keras

前言诸如扫描仪中的患者位置，扫描仪本身以及许多未知问题等因素可导致MR图像上的亮度差异。 换句话说，强度值（从黑色到白色）可以在同一组织内变化。 这被称为偏置场。 这是一种低频平滑的不良信号，会破坏MR图像。 偏置场导致MRI机器的磁场中的不均匀性。 如果未校正偏置字段将导致所有成像处理算法（例如，分段（例如，Freesurfer）和分类）输出不正确的结果。 在进行分割或分类之前，需要预处理步骤.

T1,T2和质子密度是MR的基本参数，用来确定组织之间的对比。MR序列中，强调组织T1弛豫差别的称为T1加权；强调T2弛豫差别的称为T2加权。什么是弛豫时间？T1加权序列中，T1弛豫时间短的物质，例如 脂肪、黑色素、蛋白质呈现明亮的高信号，而脑脊液（CSF）呈现为低信号。低信号与高信号的形态表现区别是什么？T2加权序列中，脑脊液（CSF）弛豫时间长，表现为明亮的高信号。不同组...

转载：https://cloud.tencent.com/developer/article/1389555本文首先介绍BERT模型要做什么，即：模型的输入、输出分别是什么，以及模型的预训练任务是什么；然后，分析模型的内部结构，图解如何将模型的输入一步步地转化为模型输出；最后，我们在多个中/英文、不同规模的数据集上比较了BERT模型与现有方法的文本分类效果。1. 模型的输入/输出BERT模型的全称

原文地址：https://www.radiologycafe.com/radiology-trainees/frcr-physics-notes/t1-t2-and-pd-weighted-imaging与使用radiation成像不同，在对比度成像中，对比度取决于所成像结构的不同衰减，而MR图像中的对比度取决于所成像区域中的磁性和氢核数。通过以不同的权重运行不同的序列，可以选择要成像区域中...