ufris

검은색 배경에 이미지를 겹치기 위해 np.zero를 통해 검은색 배경을 만들어준다 # 세로가 더 길 경우 if img.shape[0] > img.shape[1]: # numpy로 검은색 배경을 생성 background = np.zeros((img.shape[0],img.shape[0], 3),dtype=np.uint8) # 이미지를 가운데로 겹치도록 설정 x_offset = y_offset = img.shape[0] // 2 - (img.shape[1] // 2) # 해당 위치에 이미지를 겹침 background[:, x_offset:x_offset + img.shape[1]] = img else:# 가로가 더 길 경우 background = np.zeros((img.shape[1], img.shape[..

# 리스트에서 리스트 값 빼기 origin_list = 'path'origin_list = os.listdir(origin_list) for_remove_list = 'path'for_remove_list = os.listdir(for_remove_list) >> origin_list = [1,2,3,4,5,6,7,8,9,10,11]>> for_remove_list = [4,5,8,10] after_remove = [x for x in origin_list if x not in for_remove_list] >> [1,2,3,6,7,9,10,11] # 파일 이동 import shutil as sh save_path = 'path_to_folder' for i in after_remove: sh.move(..

Abstract169 densenet 모델로 학습을 시켰다.우리 모델은 손가락과 손목 연구에서는 좋은 결과를 얻었지만나머지 팔꿈치, 상완골, 전완골, 어깨뼈 검출에서는 사람보다 못한 결과를 내었다.우리가 이 데이터를 공개하면서 이미지 분석에 대한 더 많은 진전이 있길 바란다. Introduction딥러닝 학습 시 대량의 질 좋은(화질이나 라벨링이 잘된) 데이터셋은 중요한 역할을 한다.영상의학자는 환자가 정상이라고 판별이 되면 더 많은 진단을 하지 않아도 되기 때문에 정상이냐 비정상이냐를 판단하는 것은 아주 중요하다. MURA 팔꿈치, 손가락, 전완골, 상완골, 어깨뼈, 손목, 손 등의 7개의 연구 중에서12173명의 환자로부터 얻은 14656개의 연구 중에 총 40561장의 이미지가 있다. 학습 데이터는..

github에 대한 설정 및 업로드하는 방법을 설명하겠습니다 github 사용하기 전 설정 우선 github를 처음 사용하시는 분이라면 https://desktop.github.com/ 에서 github를 설치해주세요 설치가 완료가 되면 cmd에서 업로드할 파일이 있는 폴더로 가주세요 github에 폴더 이름과 같은 저장소를 만들어주세요(폴더 이름이 GAN이라면 저장소 이름도 GAN으로 만들어주세요) 그리고 git config를 통해 사용자의 계정을 관리해주세요 $ git config --global user.name "깃허브 유저이름"$ git config --global user.email "깃허브 가입 시 사용한 이메일" git init을 통해 git을 remote할 준비를 합니다 $ git ini..

window와 ubuntu 공유폴더를 설정하면 간편하게 파일을 옮길 수 있습니다 설정 -> 공유 폴더 -> + 버튼을 눌러 공유 폴더 추가 -> 공유할 폴더를 설정 -> 자동 마운트와 항상 사용을 체크 합니다 그러면 host 상에서의 설정은 끝입니다 ubuntu에 들어가서 sudo mkdir /media/windowshare (폴더이름과 똑같이 만드세요)sudo mount -t vboxsf windowshare /media/windowshare mount : sudo mount -t vboxsf SHARE_NAME /media/SHARE_NAME/ 이와같은 에러가 뜬다면 다음과 같이 하면 됩니다 sudo apt-get install virtualbox-guest-utilssudo apt-get insta..

pycharm 설치 터미널에서 아래 코드를 실행합니다 sudo apt install snapd snapd-xdg-opensudo snap install pycharm-community --classic Anaconda 설치 아나콘다를 설치하기 위해서는 anaconda라는 파일에 아나콘다 sh파일을 받습니다 cd ./home/anacondacurl -O https://repo.anaconda.com/archive/Anaconda3-5.2.0-Linux-x86_64.shsha256sum Anaconda3-5.2.0-Linux-x86_64.sh 7e6785caad25e33930bc03fac4994a434a21bc8401817b7efa28f53619fa9c29 Anaconda3-5.1.0-Linux-x86_64..

classification의 경우에 one hot을 한 라벨값의 arg_max 와 예측값의 arg_max 가 같은 경우를 평균내는 것으로 정확도를 산출합니다. segmentation는 라벨 이미지의 픽셀값과 예측해서 나온 이미지 픽셀값 하나 하나를 매치시켜 그것이 얼마나 겹치는지를 통해 정확도를 측정합니다. 설명보다 그림 한장이 이해가 더 빠릅니다. 위의 그림을 보시면 대충 어떤 느낌인지 이해가 되실 겁니다. 아래는 IOU에 대한 설명과 코드입니다. tensorlayer 라는 패키지 안에 IOU가 구현되어 있기 때문에 tensorlayer를 설치하시고 쓰시면 됩니다. def iou_coe(output, target, threshold=0.5, axis=[1, 2, 3], smooth=1e-5): """N..

brats 데이터처럼 CT는 주로 mha 확장자로 저장이 되어 있습니다(다른 확장자의 경우도 있습니다). 이를 이미지로 저장하려면 mha 파일을 불러와서 CT 이미지 한장 한장을 png 나 jpg 로 저장해야 합니다. import skimage.io as io import scipy.misc as sm import os, cv2 import matplotlib.pyplot as plt[필요한 패키지]mha_path = 'D:/BRATS2015' os.chdir('D:/BRATS2015') for (path, dir, files) in os.walk(mha_path): print(path) for filename in files: print(filename)mha 가 들어있는 파일을 찾기 위해서는 가장 상..

논문 PDF - H-DenseUNet: Hybrid Densely Connected UNet for Liver and Liver Tumor Segmentation from CT Volumes논문의 주제는 간의 종양을 segmentation 하는 것입니다. 제목에서 볼 수 있듯이 Unet 에 Densenet 을 넣어서 만든 모델로 DenseUnet 이라고 부릅니다. H-Densenet 에서 H 는 hydrid 로 2D 와 3D 를 합친 모델이기 때문에 H-Densenet 이라고 명명했습니다. [2D 아키텍처] loss 값도 상당히 낮고 정확도도 높기 때문에 2D 부분만 가져와서 brats 2015 데이터에 적용해 봤습니다. class Denseunet_Model: def __init__(self): sel..