（自己写的，需要转载请联系作者，或者标明出处呀，欢迎加微信交流：wx604954）摘要：医学图像分割是决定医学图像在临床诊疗中能否提供可靠依据的关键问题。医学图像分割技术的发展不仅影响到医学图像处理中其他相关技术的发展，如可视化、三维重建等，而且在生物医学图像的分析中也占有极其重要的地位。近年来,由于深度学习算法在医学图像分割中的应用, 医学图像分割技术取得了显著的进展。在本文中，我们讨...

文章来源：https://mp.weixin.qq.com/s/K7MzM4ZanNNgXfNGYZelWQ概念炒作之后，人工智能终于迎来产业落地，整个人工智能行业开始爆发，各领域优质公司不断涌现。在这个全行业爆发的阶段，技术是如何赋能行业、驱动升级并带来变革的？爱分析人工智能创新企业50强榜单将揭秘答案。 基础设施领域中，随着数据量的增大以及算法的提升，人工智能对于算力的要求不断提升...

医学图像分割后，如何消除噪声，我采用了去除孤立点的方法。先找到分割结果中的所有连通域，保留最大连通域或者较大的几个连通域，把其余小连通域都去掉。图像是三维的，还蛮有效果的。import nibabel as nibimport numpy as npimport osfrom skimage import measuredef file_name(file_dir):...

超参设置对训练的影响：（1）学习率（learning rate）学习率（learning rate）是指在优化算法中更新网络权重的幅度大小。学习率可以是恒定的、逐渐降低的，基于动量的或者是自适应的，不同的优化算法决定不同的学习率。为了能够使得梯度下降法有较好的性能，我们需要把学习率的值设定在合适的范围内。学习率过小，会极大降低收敛速度，增加训练时间；学习率过大，可能导致参数在最优解两侧来...

（自己写的，需要转载请联系作者，或者标明出处呀，欢迎加微信交流：wx604954）摘要：目标检测是计算机视觉中一个重要问题，在行人跟踪、车牌识别、无人驾驶等领域都具有重要的研究价值。近年来，随着深度学习对图像分类准确度的大幅度提高，基于深度学习的目标检测算法逐渐成为主流。本文介绍了目前发展迅猛的深度学习方法在目标检测中的最新应用进展，然后介绍了基于深度学习的目标检测算法在医学图像领域的应...

迁移学习如何把一个预训练好的卷积神经网络（convolutional neural network）用作特征提取器。 目标：学习如何使用预训练网络对完全不同的数据集进行分类 迁移学习涉及到使用一个特定数据集上训练的模型，然后将其应用到另一个数据集上 使用预训练好的模型作为“捷径”，从其没有训练过的数据中学习模式的能力。  深度学习的魅力在于预训练好的模型能够对完全不同的数据...

超参设置对训练的影响：（1）学习率（learning rate）学习率（learning rate）是指在优化算法中更新网络权重的幅度大小。学习率可以是恒定的、逐渐降低的，基于动量的或者是自适应的，不同的优化算法决定不同的学习率。为了能够使得梯度下降法有较好的性能，我们需要把学习率的值设定在合适的范围内。学习率过小，会极大降低收敛速度，增加训练时间；学习率过大，可能导致参数在最优解两侧来...

import numpy as npfrom sklearn.metrics import confusion_matrix, accuracy_score,f1_score,roc_auc_score,recall_score,precision_scorefrom sklearn import metricsfrom matplotlib import pyplotstyles=['fivet

转自github，感谢作者mrgloom的整理链接：https://github.com/mrgloom/awesome-semantic-segmentation Awesome Semantic SegmentationNetworks by architectureSemantic segmentationU-Net [https://arxiv.org/pdf/15...

（最开始接触医学图像分割时写的综述，写的比较幼稚，传上来的时候格式可能有些乱。需要原文的小伙伴可以加我qq：604395564联系，也欢迎做医学图像处理的小伙伴一起交流学习。自己写的，欢迎转载，但请注明出处哦^_^）  摘　要 医学图像分割是决定医学图像在临床诊疗中能否提供可靠依据的关键问题。医学图像分割技术的发展不仅影响到医学图像处理中其他相关技术的发展,如可视化、三维重建等，而且在...