一 统计学方法选择1 配对样本和独立样本配对设计配对设计目的是控制非试验因素对结果的影响，具有两种常见的形式：自身配对和非自身配对（异体配对）。自身配对是同一受试对象的比较，而非自身配对是比较两个配对的受试对象。配对的受试对象具有相同的特征，例如年龄、体重、性别等。配对t检验例1：接受手术A的患者术前与术后肌酐水平的比较？步骤1：判断是否为配对设计；步骤2：差值是否符合正态分布；步骤3：配对t检验

很多人容易混淆2D卷积和3D卷积的概念，把多通道的2D卷积当成3D卷积，本文展示了一种直观理解2D卷积和3D卷积的方式。2D卷积单通道首先了解什么是卷积核，卷积核(filter)是由一组参数构成的张量，卷积核相当于权值，图像相当于输入量，卷积的操作就是根据卷积核对这些输入量进行加权求和。我们通常用卷积来提取图像的特征。直观理解如下：下图使用的是 3x3卷积核(height x width,简写H

放射治疗研究中一些开源软件

在传统的前馈神经网络中，输入层的每一个神经元都与下一层的每一个输入神经元相连，我们称之为FC（fully-connected，全连接）层。但是，在CNNs中，我们直到网络中的最后一层才使用FC层。因此，我们可以将CNN定义为神经网络，该网络在专用的“卷积（convolutional）”层中交换，代替网络中至少一个层的“FC”层。一个激活函数例如ReLU将紧跟在卷积层后处理，且这种卷积==>激

在传统的前馈神经网络中，输入层的每一个神经元都与下一层的每一个输入神经元相连，我们称之为FC（fully-connected，全连接）层。但是，在CNNs中，我们直到网络中的最后一层才使用FC层。因此，我们可以将CNN定义为神经网络，该网络在专用的“卷积（convolutional）”层中交换，代替网络中至少一个层的“FC”层。一个激活函数例如ReLU将紧跟在卷积层后处理，且这种卷积==>激

一 相关性分析相关性分析一般是用来简单的分析数据之间的相关性关系，用来研究的是连续性的数值变量或者量表的数据，只能分析出来每两个变量之间的相关性关系。一般是用于在回归分析之前，用于对于数据进行一个简单的相关性探讨，回归分析说明的是数据之间的因果关系。spss---分析---相关---双变量Pearson系数：叫皮尔逊相关系数，也叫线性相关系数，用于进行线性相关分析，是最常用的相关系数，当数据满足正