Home

今天写工作汇报PPT时发现服务器网线有问题，为了把网络的测试信息和结果从服务器中拿出来，尝试使用U盘。把U盘插上服务器后，直接将数据copy到U盘的目录下，结果发现再打开U盘时，U盘变成RAW没办法打开了！下面记录了正确的使用方法。（RAW状态下要先把U盘格式化） 查看U盘设备地址（通常情况下为：/dev/sdb1： sudo fdisk -l 接着在Ubuntu系统中创建目录作为挂载点，常用的是 /mnt/usb，挂载指令： sudo umount /dev/sdb1 sudo mount -t exfat /dev/sdb1 /mnt/usb 挂载之前要把默认的卸载掉，特别注意需要指定文件系统类型（在U盘的属性可以查看），如果不一致会导致U盘损坏。文件传输结束后需要卸...

背景 当神经网络越来越深时，靠近loss的层（高层，提取高级语义信息）参数梯度较大，更新较快，但是靠近data的层（底层，提取低级语义信息，例如边缘）参数梯度很小，更新很慢；然而低层的变化会使得高层参数重新训练，导致模型收敛速度很慢，因此考虑学习底层特征时，避免高层参数不断变化。 另一个解释是通过BN让数据更加规整，将其调整到激活函数敏感的区域，可以帮助模型更好地学习内部范式。 还有更常见的解释是将feature scaling，让特征的每个维度分布比较均衡，这样会帮助模型找到一个好的梯度方向。 核心idea 设置固定的分布，使得数据经过特定层后，保持这个分布不变，从而影响模型参数的学习。 固定小批量的均值和方差: Step1 : 计算Batch均值和方差 \[\m...

简介 MIA期刊2024，将临床相关特征（血管密度、分形维度）添加到损失函数CF-Loss的设计中，训练一个多类别分割模型（动脉、静脉、背景、不确定部分），在典型的UNet和BFNet上对比多个损失函数的设计，验证CF-Loss的有效性，并且从分割结果中计算血管密度、分形维度，来预测临床任务：脑中风的发生概率。 临床特征（血管密度、分形维度）与预测疾病的选择依赖于已有的研究，已经证明二者与脑中风的相关性（在消融实验中进一步讨论了动脉和静脉的血管密度、分形维度在预测方面的表现） Abstract 临床相关特征（血管密度、分形维度）有助于疾病诊断；将血管特征编码至端到端的损失函数CF-Loss，用于多类别分割任务（动脉、静脉、背景、不确定部分），在3个公开数据集上使用2个标准分割网...

简介 OCTA-500是在作者之前的IPN工作基础上展开的，作者为南京理工大学的陈强教授团队，论文发表在MIA期刊（医学图像领域顶刊，中科院一区），论文开源的OCTA-500是目前数据规模最大的OCTA数据集。 其中关于数据集制作的描述可以为之后构建相关数据集提供参考，特别是关于利用血管自身的特性从大血管中划分出动脉和静脉、划分毛细血管以及得到中央凹无血管区FAZ的3D标签（关于FAZ体积涉及到作者的另一篇工作，除此之外论文中的多任务学习也为之后设计模型提供了很好的参考。 摘要Abstract 光学相干断层扫描成像OCTA作为新的成像方式，可以观察到视网膜血管和微血管系统，已经被广泛用于眼科和神经科学研究，但目前开源的OCTA数据非常少。这篇论文中，作者介绍了目前最大并且最全面...

记录个人博客文档的相关说明，为之后写博客、统一风格提供参考，参考文档说明。 头信息 markdown文档的头部需要包含YAML头信息才能被正确解析，头信息必须在文件的开始部分，并且需要按照YAML格式写在两行三虚线之间。 --- layout: post title: Blog author: Su --- 常用的配置变量见下： 变量名称 描述 layout 指定模板文件，不需要扩展名，必须在 _layout目录下 permalink 博客默认的URL地址为 /year/month/day/title.html，设置此变量可以指定UR...