일 | 월 | 화 | 수 | 목 | 금 | 토 |
---|---|---|---|---|---|---|
1 | 2 | 3 | 4 | |||
5 | 6 | 7 | 8 | 9 | 10 | 11 |
12 | 13 | 14 | 15 | 16 | 17 | 18 |
19 | 20 | 21 | 22 | 23 | 24 | 25 |
26 | 27 | 28 | 29 | 30 | 31 |
- pytorch #torch #ViT #vit #VIT #Transformer #deep learning #vision #classification #image
- nfiti
- nibabel
- decorater
- FLOPs #FLOPS
- RGB #CMYK #DPI
- TeCNO
- monai
- 파이썬
- 확산강조영상
- nlp
- pytorch #torch #torch.nn #torch.nn.Functional #F #nn #차이
- parrec
- pytorch #torch #monai #dice #score #metric #segmentation #loss
- 확산텐서영상
- PYTHON
- data augmentation #augmentation #3d #deep learning #image # medical image #pytorch #medical #CT #3D
- precision #정밀도 #민감도 #sensitivity #특이도 #specifisity #F1 score #dice score #confusion matrix #recall #PR-AUC #ROC-AUC #PR curve #ROC curve #NPV #PPV
- tqdm #deep learning #dataloader #jupyter #notebook #ipywidgets
- words encoding
- 코드오류
- VNet #Vnet #segmentation #3D #voxel #semantic #pytorch #deep learning #UNet
- genetic epidemiology
- MRI
- deep learning #segmentation #sementic #pytorch #UNETR #transformer #UNET #3D #3D medical image
- 데코레이터
- 유전역학
- Surgical video analysis
- Phase recognition
- MICCAI
- Today
- Total
목록분류 전체보기 (51)
KimbgAI
### 이미지 관련 용어 ### 이는 색상모드를 의미함. RGB는 Red, Green, Blue로 이미지의 색상의 3개의 채널로 나타냄. 빛의 혼합방식과 동일. 이는 액정과 같은 디스플레이 매체에 적합함. 이미지를 불러들이면 해당 채널의 value가 높을수록 해당 채널의 색이 많다는 뜻임. 예를 들면, 아래 이미지에서 바다를 봤을때, 파란색 채널은 바다와 하늘이 밝게 보이는 반면 빨간색 채널은 어둡게 나타남. 반면, CMYK(Cyan, Magenta, Yellow, blacK)은 4채널로 물감의 혼합방식을 나타내며 섞일수록 어두워짐. 그래서 간판이나 인쇄물과 같은 출력물 작업에 적합함. 한편, 대표적인 해상도를 나타내는 척도로 dpi(dots per inch)가 있음. 1인치당 몇개의 도트(점)이 들어가..
본 내용은 Brain MRI를 다양한 atlas로 segmentation을 해주는 tool에 대한 사용 설명을 담고 있습니다. CAT12를 사용하여 autometic하게 segmentation을 한 결과를 보시면.. 구성은 아래와 같습니다. A. CAT12이란? B. CAT12을 사용하기 위한 matlab 설치 C. Brainstorm 설치 (with SPM, CAT) D. CAT12 사용방법 E. 결과 확인 및 활용 A. CAT12이란? - CAT는 Computational Anatomy Toolbox의 약자로서, Brain image를 VBM (Voxel-based morphometry), DBM (Deformation-based morphometry), SBM (Surface-based morpho..
글의 목적은 Github를 관리하고 활용하기 위해, 1. Repository 생성 2. Local repository와 Remote repository 연결 및 변경사항 저장 에 필요한 내용을 간단히 정리하였습니다. 1. Remote repository 생성 - (필수) Repository name 설정하기! - Description 생략 가능 - 공개하고 싶으면 Pubilc, 아니면 Private - Add a README file은 해당 repository에 대한 설명을 md(MarkDown) 형식으로 상세하게 담을 수 있는 파일이며, 나중에 수정할 수 있습니다. 2. Local repository와 Remote repository 연결 및 변경사항 저장 1) 원하는 경로 위에서 remote repo..
1. Github에 로그인을 하고 해당 레파지토리에 접속 2. Settings 클릭 3. General -> Danger Zone의 Delete this repository 클릭 4. 삭제 확인을 위한 repository 주소 입력 후 활성화된 버튼 클릭 끝!
U-Net에 대한 간략한 내용이 궁금하신 분은 지난 포스팅을 참고해주시면 되겠습니다~ https://kimbg.tistory.com/16?category=578326 [ML] U-Net(2015.05); Convolutional Networks for Biomedical Image Segmentation 요약 및 코드 구현 U-Net(2015.05); Convolutional Networks for Biomedical Image Segmentation 원문: https://arxiv.org/abs/1505.04597 본 리뷰는 Semantic Segmentation의 기술 동향을 살펴보며, 핵심 아이디어와 .. kimbg.tistory.com 1. 핵심 아이디어 구현 1) Using mirror padd..
FCN 모델에 관련된 대략적인 내용은 아래 링크를 통해 확인하시면 되겠습니다. :) https://kimbg.tistory.com/15?category=578326 [ML] FCN(2014.11); Fully Convolutional Networks for Semantic Segmentation 요약 및 코드 구현 FCN(2014.11); Fully Convolutional Networks for Semantic Segmentation 원문: https://arxiv.org/abs/1411.4038 본 리뷰는 Semantic Segmentation의 기술 동향을 살펴보며, 핵심 아이디어와 Contributions을.. kimbg.tistory.com 본 내용의 구성은 다음과 같다. 1. FCN 구현 방법..
오픈 데이터셋 중 CIFAR10(32x32)보다 고해상도의 간단한 Classification task를 위한 데이터셋을 찾다가 스탠포드에서 제공해주는 STL10이라는 데이터셋을 찾을 수 있었다. Data overview - train set: 5,000, test set: 8,000, unlabelled: 100,000 - 10 classes: airplane, bird, car, cat, deer, dog, horse, monkey, ship, truck - Images are 96x96 pixels, color - 500 training images per class (10 pre-defined folds) 데이터에 관한 더 자세한 내용은 아래 링크를 통해서 확인할 수 있다. https://ai.st..
U-Net(2015.05); Convolutional Networks for Biomedical Image Segmentation 원문: https://arxiv.org/abs/1505.04597 본 리뷰는 Semantic Segmentation의 기술 동향을 살펴보며, 핵심 아이디어와 Contributions을 정리하고, 간단한 코드 구현을 통해 살펴보고자 한다. 아래 그림과 같이 architecture의 형태가 U자 모양을 하고 있어 U-Net이라고 네이밍되었다. U-Net은 FCN과 마찬가지로 skip architecture로 구성하여 feature map의 위치정보를 활용하였다는 점에서 FCN과 전반적인 구조는 크게 다르지 않기 때문에 architecture에 대한 내용은 그림으로 대체한다. 하지..
FCN(2014.11); Fully Convolutional Networks for Semantic Segmentation 원문: https://arxiv.org/abs/1411.4038 본 리뷰는 Semantic Segmentation의 기술 동향을 살펴보며, 핵심 아이디어와 Contributions을 정리하고, 간단한 코드 구현을 통해 살펴보고자 한다. 주요 Contribution은 다음과 같다. 1. Fully convolutionalization - ILSVRC(Imagenet Large Scale Visual Recognition Challenge, 이하 이미지넷)에서 좋은 성적을 보였던 기존 CNN기반 모델(VGG)을 Backbone으로 구성하여 목적에 맞게 변형시켰다. - 이 과정에서 기존 ..
tensorflow를 주로 사용하다가 요즘 pytorch를 사용하려다보니 기본적인 것에서부터 정리가 필요하다고 느껴 남겨놓는다. pytorch에서 제공해주는 CrossEntorpyLoss function에는 softmax가 기본적으로 결합되어있기 때문에 model의 logit에 softmax를 따로 설정해주지 않아도 된다. 즉, torch.nn.CrossEntropyLoss() 은 torch.nn.LogSoftmax() 과 torch.nn.NLLLoss() 의 결합이다. 코드로 살펴보자 # CrossEntropyLoss 사용 (Class=3) import torch.nn as nn import torch from torch.nn import functional as F criterion = nn.Cros..