腾讯云开发者社区-腾讯云

开发者社区

文档建议反馈控制台

最新优惠活动

文章/答案/技术大牛

发布

Python编程和深度学习

专栏作者

82

文章

263990

阅读量

36

订阅数

nnUnet使用2d数据训练方法-DKFZ官方版

图像处理 https 网络安全

上一篇文章介绍了《保姆级教程：nnUnet在2维图像的训练和测试》，采用的是自己的2d数据集进行2d到3d的数据转换，内容包括nnUnet介绍、环境配置、数据配置、预处理、训练过程、确定最佳的U-Net配置、运行推断，算是带着大家在2d数据情况下把nnUnet训练和测试了一遍。

2021-03-03

2.3K1

保姆级教程：nnUnet在2维图像的训练和测试

深度学习图像处理

《Automated Design of Deep Learning Methods for Biomedical Image Segmentation》，来自德国癌症研究中心。

2021-01-05

6.4K4

VLD：轻型伪3D病灶检测网络（MICCAI 2020）

今天分享一篇发表在MICCAI 2020上的论文：Deep Volumetric Universal Lesion Detection Using Light-Weight Pseudo 3D Convolution and Surface Point Regression (原文链接：[1])。

2020-11-09

1K0

CircleNet：用bounding circle进行肾小球检测（MICCAI 2020）[github代码]

图像识别编程算法 https github 网络安全

今天分享一篇发表在MICCAI 2020上的论文：CircleNet: Anchor-Free Glomerulus Detection with Circle Representation (原文链接：[1]，github：[2])。

2020-11-09

2.7K0

强化学习（三）算法概述

linux 编程算法强化学习学习方法游戏

前面的文章我们已经介绍过强化学习的强化学习（一）入门介绍和强化学习（二）重要概念，这篇文章介绍强化学习的算法概述。

2020-10-29

4520

强化学习（二）重要概念

强化学习编程算法

个体和环境 Agent & Environment 个体指的是强化学习里的智能体Agent，也就是算法里对应的游戏玩家、环境个体，个体实时对环境有一个观测评估，个体可以根据算法策略输出一个对环境的动作行为Action，并从环境得到一个反馈的奖励信号。环境指的是强化学习里的外部环境Environment，可以接收个体的动作Action并更新环境信息，针对个体的动作给予个体一个奖励信号Reward ，使得个体可以得到下一个对于环境的观测状态Observation 。个体和环境通过不断循环交互，最终可以得到一个最优的策略，使得个体对于不同的环境观测执行不同的动作行为可以得到尽可能多的累积奖励。

2020-10-10

5810

强化学习（一）入门介绍

强化学习 linux

本讲将对强化学习做一个整体的简单介绍和概念引出，包括什么是强化学习，强化学习要解决什么问题，有一些什么方法。一、强化学习强化学习（Reinforcement Learning, RL）又称为增强学习、评价学习等，和深度学习一样是机器学习的一种范式和方法论之一，智能体从一系列随机的操作开始，与环境进行交互，不断尝试并从错误中进行学习策略，最大化回报值，最终找到规律实现既定目标。强化学习主要包含四个元素：智能体Agent、环境状态Enviroment、行为Action、奖励Reward，强化学习的目标就是通过不断学习总结经验获得最大累积奖励。

2020-09-28

1.1K0

BBN：长尾视觉识别模型（CVPR 2020）

block branch figure network

今天分享一篇发表在CVPR 2020上的论文：BBN: Bilateral-Branch Network with Cumulative Learning for Long-Tailed Visual Recognition (原文链接：[1])。

2020-09-04

1.6K0

用复原魔方的思想对3D数据进行自监督学习（MICCAI 2020）

图像处理编程算法监督学习迁移学习

今天分享一篇发表在MICCAI 2020上的论文：Revisiting Rubik’s Cube: Self-supervised Learning with Volume-wise Transformation for 3D Medical Image Segmentation (原文链接：[1])。

2020-08-21

1.6K0

AdaGrad | RMSProp | AdaDelta | Adam 概述与对比

神经网络机器学习深度学习人工智能编程算法

最近参考[5]重新回顾了AdaGrad、RMSProp、AdaDelta、Adam几个优化算法的基本思想，在此简单做一下这几个算法的概述和对比。

2020-08-17

2.7K0

DeepSurv：深度学习+Cox回归 [github代码]

https 网络安全推荐系统

文章地址：https://link.springer.com/article/10.1186/s12874-018-0482-1

2020-08-11

5.7K0

ConvLSTM：时空特征提取结构 [github代码]

机器学习神经网络深度学习人工智能

这篇文章[1]想要解决的问题是预测一个区域短时间内的降水变化，在它之前的工作（2015年之前）还很少有采用机器学习的方法来做相关预测。由于预测的输入是时序雷达图等具有空间和时间关系的数据，因此文中提出了convolutional LSTM (ConvLSTM)模型，用这个模型可以捕获数据的时空依赖，进而提高模型的预测结果。

2020-08-11

6.1K1

2.5D U-Net（MICCAI 2019）

机器学习神经网络深度学习人工智能图像处理

今天分享一篇发表在MICCAI 2019上的论文：Automatic Segmentation of Vestibular Schwannoma from T2-Weighted MRI by Deep Spatial Attention with Hardness-Weighted Loss (原文链接：[1])。

2020-07-22

4.2K0

医学影像组学特征值（Radiomics Features）提取之Pyradiomics（二）使用篇

本文介绍Pyradiomics的使用方法，和安装时遇到的坑。上一篇文章（医学影像组学特征值（Radiomics Features）提取之Pyradiomics（一）理论篇）介绍了Pyradiomics支持的图像类型和组学特征类型，将医学图像和Mask用作PyRadiomics的输入，对原图和经过滤波的派生图像进行影像组学特征提取，之后可以对组学特征进行进一步分析。

2020-07-16

10.6K11

医学影像组学特征值（Radiomics Features）提取之Pyradiomics（一）理论篇

医学影像组学特征值（Radiomics Features）提取之pyradiomics（一）理论篇

2020-07-14

20.2K2

DAPNet：提高模型在不同数据域上的泛化能力（MICCAI 2019）

module network pyramid

今天分享一篇发表在MICCAI 2019上的论文：Dual Adaptive Pyramid Network for Cross-Stain Histopathology Image Segmentation (原文链接：[1])。

2020-07-14

2K0

眼底图像中的微动脉瘤分割方法（MICCAI 2020）

embedding network patch scale using

今天分享一篇发表在MICCAI 2020上的论文：Multi-scale Microaneurysms Segmentation Using Embedding Triplet Loss (原文链接：[1])。

2020-07-06

1.2K0

机器学习算法之XGBoost及其自动调参（算法+数据+代码）

c++serverless 神经网络深度学习

本文将利用一个excel数据对常见机器学习算法（XGBoost、Random Forest随机森林、ET极度随机树、Naïve Bayes高斯朴素贝叶斯、KNN K近邻、Logistic Regression逻辑回归、Decision Tree 决策树）的使用过程进行简单的介绍，并对XGBoost算法的自动调参方法进行详解，机器学习算法的详细讲解在机器学习专辑里都有介绍。

2020-07-06

34.2K1

MPUnet：一个模型解决多个分割任务（MICCAI 2019）[github代码]

图像处理 https 网络安全

今天分享一篇发表在MICCAI 2019上的论文：One Network To Segment Them All: A General, Lightweight System for Accurate 3D Medical Image Segmentation (原文链接：[1]，代码链接：[2])。

2020-07-06

1.5K0

LT-Net：标签转移网络（CVPR 2020）

编程算法深度学习机器学习神经网络人工智能

今天分享一篇发表在CVPR 2020上的论文：LT-Net: Label Transfer by Learning Reversible Voxel-wise Correspondence for One-shot Medical Image Segmentation (原文链接：[1])。

2020-07-01

1.7K0

点击加载更多

社区活动

腾讯技术创作狂欢月

“码”上创作 21 天，分 10000 元奖品池！

Python精品学习库

代码在线跑，知识轻松学

博客搬家 | 分享价值百万资源包

自行/邀约他人一键搬运博客，速成社区影响力并领取好礼

技术创作特训营·精选知识专栏

往期视频·千货材料·成员作品最新动态