摘要：
添加正则项有利于降低网络过拟合的程度。 from keras import regularizers add(Dense(64, activation='relu', kernel_regularizer=regularizers.l1(0.01))) 参数: 正则化项分为l1正则化和l2正则化, 阅读全文
posted @ 2025-12-24 10:35
点影成金
阅读(9)
评论(0)
推荐(0)
摘要：
深度学习的效果越来越好,在一些方面甚至超过了人类水平,为了更好地理解神经网络如何识别特定模式的图像,以及为什么识别结果可以如此准确,需要从更深层次,即识别过程去了解神经网络.一旦了解了识别过程,我们就可以对神经网络做进一步的改进,另一方面也有助于人类理解机器作出决策的过程及原因,这一点在智能医疗中显 阅读全文
posted @ 2025-12-24 10:34
点影成金
阅读(12)
评论(0)
推荐(0)
摘要：
 阅读全文
posted @ 2025-12-24 10:33
点影成金
阅读(7)
评论(0)
推荐(0)
摘要：
输入图像维度:(121, 145, 121) 下采样:(61, 73, 61) 分割成的patch大小:(30, 36, 30) 每个patch与相邻patch之间有一半距离的重叠 总共得到333 = 27 个patch patch_5 利用全脑的分类效果: LSTM的分类效果: 阅读全文
posted @ 2025-12-24 10:33
点影成金
阅读(5)
评论(0)
推荐(0)
摘要：
想法:利用CNN (2D,3D都可以)实现3D影像的分类,网络类型不限,也可以用经典网络. 数据:已有从ADNI(一个公共数据库)上下载的影像,为脑部影像.数量在200例左右,分为正常人和AD患者(AD:阿尔兹海默病),每个类别在100例左右. (数据为.nii格式(一种医学影像格式),可以用pyt 阅读全文
posted @ 2025-12-24 10:30
点影成金
阅读(18)
评论(0)
推荐(0)
摘要：
载入目标文件夹下的所有指定后缀的文件 ad_path_2 = '/home/ADNI/outcome/AD/FunImgARCFW/' import glob file_list = glob.glob(ad_path_2 + '*.nii') 阅读全文
posted @ 2025-12-24 10:29
点影成金
阅读(11)
评论(0)
推荐(0)
摘要：
工作机制: 计算出的估计值与真实值做比较,然后得出误差,这里称之为损失函数, 为了使损失函数达到最小值,对其求导,然后向求导结果的相反方向(函数数值下降方向) 微调一点. 如此往复直到误差最小. Adam优化器:Adam优化器是一个比较好的通用优化器, 可以通过反向传播实现渐变下降. 阅读全文
posted @ 2025-12-24 10:28
点影成金
阅读(16)
评论(0)
推荐(0)
摘要：
名词解释 神经生物学 研究人体神经结构功能,以及疾病状态下神经系统变化的科学 行为 有动机,有目的的行动 行为的决定因素:基因和环境 髓鞘 包裹在轴突外的一层膜,一般在树突没有分布 神经元 神经元即神经细胞,构成神经系统的基本单位 突触 神经元之间进行信息传递的特异性接触部位 神经胶质细胞 分布于神 阅读全文
posted @ 2025-12-24 10:28
点影成金
阅读(18)
评论(0)
推荐(0)
摘要：
1.选择网络层:是否包含池化层?全连接层有两个,要怎样进行选择? 2.生成热力图: 选择1个类别还是打乱数据将类别分开单独生成热力图? 选择1个样本还是将多个样本取平均? 取平均是针对于特征图通道而言的,生成一张图像的热力图时已经经过了取平均 阅读全文
posted @ 2025-12-24 10:27
点影成金
阅读(17)
评论(0)
推荐(0)
摘要：
优化器optimizer自己定义 在模型编译中完成 model.compile(optimizer='rmsprop') loss 多分类中 model.compile( loss = 'categorical_crossentropy') 二分类中 loss = 'binary_crossentr 阅读全文
posted @ 2025-12-24 10:26
点影成金
阅读(24)
评论(0)
推荐(0)
浙公网安备 33010602011771号