- 博客(42)
- 资源 (1)
- 收藏
- 关注
RSS订阅原创 非参数检验题目集
两样本比较的秩和检验中，甲组中最小数据有2个0.2，乙组中最小数据有3个0.2，则数据0.2对应的秩次是（ ）两样本比较的 Wilcoxon 秩和检验结果显著，判断孰优孰劣的根据是（ ）对医学计量资料成组比较，相对参数检验来说，非参数秩和检验的优点是（ ）两样本比较的秩和检验，如果样本含量一定，两组秩和的差别越大说明（ ）两组数据的秩和检验和 t 检验相比，其优点是（ ）两样本比较的秩和检验，其检验统计量 T 是（ ）两样本比较的秩和检验，其原假设 H₀ 是（ ）配对资料的符号秩和检验的原假设是（ ）
2025-04-20 21:24:05
421
原创 Pan-cancer image-based detection of clinically actionable genetic alternations
肿瘤的分子突变可导致肿瘤细胞及其微环境的表型变化。常规组织病理切片可以反映出这种形态学改变。本研究表明深度学习方法能直接从常规病理图像中推断出广泛的基因突变、肿瘤分子亚型、基因表达特征以及病理生物标志物。开发、优化、验证并发布了一站式工作流程，并将其应用于5000名患者的组织病理切片，涵盖多种不同实体瘤。结果表明，针对临床常规的H&E染色病理切片，经过训练的深度学习算法模型能够预测出其中广泛的分子突变。预测结果可以推广到其他人群，同时可以在空间上得以体现。
2022-11-28 20:07:54
1125
原创 2020-12-18 论文阅读
Deep learning-enabled breast cancer hormonal receptor status determination from base-level H&E stains2020年发表于Nature Communications摘要 对于初诊的乳腺癌患者，雌激素受体状态(ERS)是他们预后和治疗的重要分子标志物。在临床中，雌激素受体状态是通过免疫组化染色确定的。免疫组化昂贵又耗时，而且免疫组化过程的差异以及医生主观因素的影响都会导致结果不一致。相反，HE染
2021-02-01 14:20:37
1376
1
原创 2020-12-14 论文阅读
Deep learning with multimodal representation for pancancer prognosis prediction2019年发表于Bioinformatics杂志，论文传送门代码传送门摘要动机 估计肿瘤患者未来的病程对于医生来说是非常有价值的；目前临床上肿瘤患者拥有大量的多模态数据，然而现有的方法无法有效地利用这些多模态数据。为了解决这一问题，我们建立了一个多模神经网络模型，用来预测肿瘤患者的生存，研究使用了20种肿瘤的临床数据、mRNA表达数据、mi
2020-12-23 10:32:08
1341
2
原创 2020-12-05 论文阅读
Predicting survival from colorectal cancer histology slides using deep learning: A retrospective multicenter study2018年发表于PLOS MEDICINE，中科院分区一区10+分，论文传送门摘要背景 几乎所有结直肠癌(CRC)患者都有可用的苏木精伊红染色(HE染色)的病理组织切片。这些图片蕴含丰富的定量信息，但是却鲜有研究利用这些图像提取预后标志物。本研究则利用卷积神经网络(CN
2020-12-22 08:29:56
3674
1
原创 服务器或者工作站安装R包报错：libtbb.so.2: cannot open shared object file: No such file or directory
服务器或者工作站安装R包报错：libtbb.so.2: cannot open shared object file: No such file or directory的解决最近工作站子用户在安装R包的时候报该错误，解决方案如下：本工作站为CentOS 7系统以root登录系统，本错误是因为缺少tbb-devel命令sudo yum install tbb-devel安装tbb最后问题解决，本人问题可以解决，如有问题请留言，勿喷谢谢！...
2020-11-27 16:37:48
2400
1
原创 服务器或者工作站子用户Rstudio安装R包出错：C++14 standard requested but CXX14 is not defined
服务器或者工作站子用户Rstudio安装R包出错：C++14 standard requested but CXX14 is not defined的解决方案最近使用工作站Rstudio的子用户反应，从Bioconductor安装R包的时候报该错误，解决方案如下：首先本单位工作站系统为Centos 7，安装Rstudio server, R-4.0.3.管理员以root登入工作站，cd ~/.R，会发现该目录下有Makevars文件.在每个子用户下新建一个叫做.R的文件夹，然后将2中的Makeva
2020-11-27 15:39:08
1903
1
原创 linux杀死包含指定关键字的进程
下面的命令可以杀死包含指定关键字的所有进程ps aux | grep 关键字 |awk '{print $2}'|xargs kill -9
2020-11-22 15:21:12
547
原创 Centos清理僵尸进程
Centos清理僵尸进程使用ps -A -o stat,ppid,pid,cmd | grep -e '^ [Zz]'查看僵尸进程使用ps -ef | grep defunct | grep -v grep | wc -l统计僵尸进程的数量使用ps -A -o stat,ppid,pid,cmd | grep -e '^ [Zz]' | awk '{print $2}' | xargs kill -9干掉所有僵尸进程本人使用这种方式解决了自己的问题，如果有童鞋无法解决自己的问题，请留言，勿喷谢谢
2020-11-20 14:29:43
1062
原创 No supported authentication methods available (server sent: publickey)错误解决
No supported authentication methods available (server sent: publickey)错误解决Putty, WinScp或者Filezilla在远程登录的时候出现No supported authentication methods available (server sent: publickey)的错误的解决方法。本人使用的是centos 7系统，对于Ubuntu系统来说解决方式应该大同小异。首先通过ssh登录到工作站或者服务器，cd到/etc/
2020-11-20 14:22:20
27745
6
原创 CNN在全视野数字化切片图像中的分析应用
文章目录前言内容介绍全视野数字切片CNN在WSI图像分析中的应用肿瘤组织病理学分型淋巴结转移细胞检测肿瘤患者预后的预测前言组织病理是临床疾病诊断的金标准。全视野数字切片(Whole slide image, WSI)弥补了传统玻璃切片易损、检索困难以及诊断可重复性差的缺点，与此同时也加大了医生的工作量。人工智能辅助医生进行WSI的分析，可以解决工作效率低的问题，并提高诊断的一致性。提示：以下是本篇文章正文内容，下面案例可供参考内容介绍全视野数字切片WSI是利用数字扫描仪对传统病理片进行扫描，
2020-09-07 14:48:27
1304
1
原创 《动手学习深度学习》笔记之多项式拟合
本文学习自李沐大神的《动手学习深度学习》系列，代码实现基于MXNet代码预热简要列举大意，具体参见官方APIgluon.nn.Sequential() ： 逐层堆叠网络gluon.nn.loss.L2Loss(): 计算均方误差nd.random.normal(): 生成正态分布随机数gluon.nn.Dense(): 全连接神经网络层Block.initialize(): 初始化参数gluon.data.ArrayDataset(): 从数组或者列表等创建数据集要解决的问题使用神经.
2020-06-19 10:53:24
1815
原创 论文Pyramid Attention Network for Semantic Segmentation笔记
该论文发表于2017CVPR，由北理工+旷视科技+北大共同完成论文传送门名词解释Global contextual information: 译为中文即为全局上下文信息，即图像中的物体并不是孤立的，像素之间都是有联系的，这种联系就是上下文信息，而全局上下文信息是从图像全局的像素之间的联系，以下面的图为例：...
2020-06-17 18:54:08
1596
原创 论文Path Aggregation Network for Instance Segmentation笔记
Path Aggregation Network for Instance Segmentation论文发表于2018CVPR，香港中文大学+北京大学+商汤科技+腾讯优图实验室 共同完成；论文传送门github代码传送门摘要在神经网络中，信息的传递方式非常重要。基于此，该论文在FPN的基础上提出PANet，用于改善信息在网络中的传递方式。具体体现在：bottom-up path augmentation，即自下而上的一条通路结构增强底层特征的传递，因为底层特征利于定位，所以将FPN融合后的特.
2020-06-11 08:12:11
1277
3
原创 pytorch FPN层objectness map的可视化
Pytorch版本Faster R-CNN RPN层cls_logits热力图可视化。
2020-06-05 21:07:29
2978
4
原创 python去除csv文件中每一行的多余字符
动机最近处理csv文件的时候，遇到了某些行的行尾出现多余的分号的情况，而我在使用这些csv文件的时候，这些分号会导致程序运行错误，所以就需要将这些多余的分号去除，csv的形式如下：image_pathannotationpath/to/image12 x1 y1 x2 y2;1 x1 y1 x2 y2path/to/image21 x1 y1 x2 y2;path/to/image32 x1 y1 x2 y2……解决方案这种情况可以使用python进
2020-06-04 07:32:06
4789
2
原创 Canny边缘检测
canny边缘检测算法 五个步骤： 1. 高斯模糊：GaussianBlur 2. 灰度转换：cvtColor 3. 计算梯度：Sobel/Scharr 4. 非最大信号抑制 5. 高低阈值连接输出二值图像import cv2def edge_demo(image): blurred = cv2.GaussianBlur(image, (3, 3), 0) g...
2018-06-20 15:23:59
938
原创 tensorflow恢复模型的特定值时出错的问题解决
模型的恢复对于的模型的恢复来说，需要首先恢复模型的整个图文件，之后从图文件中读取相应的节点信息。 存储的模型文件包括四个子文件，如下： 现在假如我想恢复模型中的某个节点信息： 需要注意的是在使用saver.restore恢复权值的时候，参数的设置需要万分注意：# 先加载图文件saver = tf.train.import_meta_graph("./model/save_m...
2018-05-09 20:41:09
1551
1
转载 anaconda修改镜像
通过 conda config 命令生成配置文件，这里，我们使用清华的镜像：https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/，首先，打开CMD，执行命令：conda config –add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/Anacon...
2018-05-07 20:17:35
1641
翻译 LeNet训练mnist数据集
"""卷积神经网络处理的过程，主要包含4个步骤1. 图像输入：获取输入的数据图像，一般需要经历float数据类型转换，4维Tensor转换2. 卷积：对图像特征进行提取3. maxpool：压缩聚合卷积提取到的特征，起到降维和改善结果的作用4. 全连接层：用于对图像进行分类卷积网络在本质上是一种输入到输出的映射，能够学习大量的输入与输出之间的映射关系，而不需要任何输入与输出之间的精...
2018-05-03 10:50:26
2231
翻译 池化函数小例子
"""卷积后的特征图具有一种“静态性”的属性，为了描述全局性信息，需要对特征图不同位置的特征进行聚合统计，例如，特征提取可以计算图像一个区域上的某个特定特征的平均值（或最大值）。相比使用所有提取到的特征，这些概要统计特征维度更低，同时还会改善结果，不容易过拟合，这种聚合的操作就叫做池化。加强卷积特征提取TensorFlow池化运算的函数tf.nn.max_pool(value, ks...
2018-05-02 19:39:03
823
翻译 增大卷积核——提取边缘特征
"""使用卷积函数对图像感兴趣区域进行标注，实际应用中，可以使用不同的卷积核，对图像感兴趣区域进行特征的自动提取卷积运算生成的特征图的大小(特征图的维度)计算1. 卷积方式padding="VALID"时，输入图片的大小为[h,w]，卷积核的大小为[m,n]，卷积核的数目为a(特征图的个数，即特征个数)，步长为k，那么，对于每个h*w的图像，假设已经学习得到了a个定义在m*n输入上的特...
2018-05-02 16:52:09
5965
2
翻译 卷积函数小例子
"""TensorFlow中的卷积函数函数: tf.nn.conv2d(input, filter, strides, padding, use_cudnn_on_gpu=None, name=None)1. input: 卷积的输入图像，是一个4维的Tensor，类型为float32和float64其中之一，其中Tensor为[训练时一个batch的图片数量，图片高度，图片宽度，图片通道...
2018-05-02 15:58:17
920
原创 使用了Batch Normalization的多层卷积神经网络处理MNIST数据集
"""编写多层卷积神经网络来识别mnist数据集采用了Batch Normalization对输入数据进行处理"""import tensorflow as tffrom tensorflow.examples.tutorials.mnist import input_datamnist = input_data.read_data_sets("tensorflow_applicati...
2018-05-02 14:38:06
749
翻译 TFRecords的创建和读取——自定义图片数据的制作
TFRecords文件的创建和读取首先是文件结构，这是我的文件结构，大家可以自定义文件位置，但是结构应该如下：首先是主文件夹tensorflow_application/jpg，该文件夹下有两个次文件夹001和002，001文件夹的下面是一类图片；002文件夹的下面是另一类图片。本文以文件夹的名称作为每一类图片的名称，这在图像识别的图像预处理中是比较常用的，比较方便。 由于这不是专门的代码编...
2018-04-27 14:05:19
2256
1
原创 TensorFlow文件的创建
import tensorflow as tfimport numpy as np"""TFRecords文件是TensorFlow专门提供的，允许将任意数据转换为TensorFlow所支持的格式，使得相应的数据集更容易与网络应用架构相匹配"""# 任何一个TFRecords能够保存的只能是二进制数据，因此必须有一个步骤将数组转换为二进制形式# TFRecords文件的创建#...
2018-04-25 11:00:21
528
转载 pycharm导入自定义模块出错问题的解决
Pycharm导入自定义模块出错的解决先上图，我的文件结构是这样的： 首先我写了个 image_augmentation.py 的文件 路径为 "D/pycharm/myfile/tensorflow_application/image_augmentation.py" 然后又在同路径下写了个 run_augmentation.py 的文件 我需要在 run_augmentati...
2018-04-14 15:51:52
6817
2
翻译 python-OpenCV图片增强
import numpy as npimport cv2def crop_image(img, x0, y0, w, h): """ 定义裁剪函数 :param img: 要处理的图片 :param x0: 左上角横坐标 :param y0: 左上角纵坐标 :param w: 裁剪宽度 :param h: 裁剪高度 :retu...
2018-04-14 14:43:06
1879
翻译 图片特征提取方法
直方图用于计算图片特征，表达 对图片数据/特征分布的一种统计灰度，颜色边缘，形状及纹理等局部特征点，视觉词汇区间具有一定的物理或统计意义数据或特征的代表需要预定义或基于特征进行学习数值是一种统计量维度小于原始数据 - 图片本身的维度很高 - 通过直方图可以起到降维的作用作用对数据空间(bin)进行量化 ① 人工分割：人工划分量化区间 ...
2018-04-12 09:38:52
1962
原创 python-OpenCV旋转操作黑边的去除
python-OpenCV图像旋转操作使用getRotationMatrix生成仿射变换矩阵，然后使用warpAffine进行压缩和显示。import cv2import numpy as np# 本人的图片路径，导入图片imgPath = "D:/pycharm/myfile/tensorflow_application/lena.jpg"img = cv2.imread(im...
2018-04-11 15:46:37
11306
12
翻译 python平行坐标的绘制
import pandas as pdimport matplotlib.pyplot as pltfrom pands.tools.plotting import parallel_coordinatesfrom sklearn import datasets# 使用pandas中的parallel_coordinates可视化高维数据# 导入数据data_origin = dat...
2018-04-09 16:35:55
3933
3
原创 使用python计算softmax函数
softmax函数用来解决概率计算中概率结果大占绝对优势的问题。比如：函数计算结果中有两个值a和b，假如a>b，如果以大小进行取值的话，那么a将永远被选用，而b则永远不会被选用。但是实际中，小概率事件有时也是会被选用的，只是可能性比较小罢了，softmax函数则解决了这个问题。import numpy as npimport math# 编写一个计算softmax的函数def...
2018-04-08 16:34:52
2552
1
翻译 图像数据处理
卷积/滤波平滑均值滤波/卷积奇数尺寸3x3, 5x5, 2n-1 x 2n-1参数和为1平滑中值滤波奇数尺寸 操作原理卷积域内的像素值从小到大排列取中间值作为卷积输出有效去除椒盐噪声 平滑高斯滤波/卷积奇数尺寸 模拟人眼，关注中心区域 有效去除高斯噪声 标准差越小，关注区域越集中 ...
2018-04-08 15:30:44
610
原创 使用python-opencv进行视频分解
# 导入cv2模块import cv2# 利用VideoCapture捕获视频，这里使用本地视频cap = cv2.VideoCapture("视频路径") # 要分解的视频的路径flag = 0if cap.isOpened(): flag = 1else: flag = 0i = 0imgPath = ""if flag == 1: while...
2018-04-07 14:05:30
1721
翻译 python类，对象
# 先用pass占位，起架构；再用具体的函数替换pass完善类# 类里定义函数时，语法规定第一个参数必须为self# __init__函数，在新对象实例化时会自动运行，用于给新对象赋初值class Animals: def breath(self): print("breathing") def move(self): print("mov...
2018-04-03 09:43:52
95
翻译 python文件的读写操作
# 文件写操作，使用import模块"""开：文件变量 = open("文件路径文件名", "wb")存：pickle.dump(待写入的变量，文件变量)关：文件变量.close()"""import picklegame = { "position": "N2 E3", "pocket": ["keys&q
2018-04-03 09:41:05
160
原创 tensorflow模型保存
tensorflow模型保存1 import numpy as np 2 import tensorflow as tf 3 from sklearn.datasets import fetch_california_housing 4 from sklearn.preprocessing import StandardScaler 5 scale...
2018-04-02 11:09:11
388
原创 图像分割笔记
图像分割图像处理的两个主要目的：产生更适合人类视觉观察和识别的图像；希望计算机能够自动对图像进行识别和理解，图像分割就是最基本的方法之一按照一定原则，将图像分割成若干个互不相交的小区域旨在将图像中有意义的特征区域或者我们需要的特征区域提取出来经典的图像分割方法 基于阈值的分割方法：基于图像的灰度特征计算一个或多个灰度阈值，并将图像中每个像素的灰度值与阈值相比较，最后根据比较结果分...
2018-03-26 16:04:02
1002
python机器学习经典案例
2018-03-08
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人