es.davy.ai

Preguntas y respuestas de programación confiables

¿Tienes una pregunta?

Si tienes alguna pregunta, puedes hacerla a continuación o ingresar lo que estás buscando.

Tag: MEDICAL-IMAGING

¿Puedo representar el resultado de un contador con Matplotlib?

06 Aug, 2023 Programación

Hola a todos, quiero presentar el siguiente resultado de un contador: Counter({‘U.S.’: 852, ‘U.S.S.R/Russia’: 273, ‘Japan’: 20, ‘France’: 18, ‘Canada’: 18, ‘Germany’: 16, ‘China’: 14, ‘Italy’: 13, ‘U.K./U.S.’: 6, ‘Switzerland’: 4, ‘Australia’:…}) Intenté utilizar matplotlib para representar los resultados, pero no puedo encontrar cómo hacerlo. Esto es lo que intenté: . . . Read more

¿Puedo crear un chatbot basado en transformers que esté preentrenado con otro conjunto de datos?

05 Aug, 2023 Programación

Actualmente estoy creando un chatbot transformador médico con el tutorial de esta página: https://blog.tensorflow.org/2019/05/transformer-chatbot-tutorial-with-tensorflow-2.html Estoy utilizando un corpus de texto de preguntas/respuestas médicas. Cuando entreno y pruebo el modelo, solo responde preguntas relevantes para el campo médico. Sin embargo, quiero crear un chatbot conversacional que pueda responder preguntas básicas como . . . Read more

Cómo alimentar imágenes Nifti en una CNN 3D para clasificación?

28 Jul, 2023 Programación

Tengo 142 imágenes de tomografía computarizada (CT) del cerebro en formato Nifti, las convertí de Dicom. Cada archivo Nifti tiene la dimensión de 512x512x40. Mi plan es trabajar con una Red Neuronal Convolucional (CNN) en 3D para clasificación multi-clase. ¿Cómo debo alimentar las imágenes Nifti en una CNN en 3D?

Cómo aplicar una paleta a un mapa de bits

25 Jul, 2023 Programación

Estoy haciendo un visor de dicom por mi cuenta. Cambiar el color de la imagen dicom fue exitoso, pero es un color sólido. Así que, para resolver la parte monocromática, traje la paleta de dicom. https://dicom.nema.org/dicom/2013/output/chtml/part06/chapter_B.html Pero va de una manera extraña y no de la forma en que pensé . . . Read more

Qué y cómo simular estos artefactos en el entrenamiento de GAN. En el entrenamiento de GAN (Red Generativa Antagónica, por sus siglas en inglés), es importante simular diferentes tipos de artefactos para mejorar la capacidad del generador de imágenes para producir resultados realistas. Al simular estos artefactos, podemos controlar y ajustar su presencia en la generación de imágenes. Para simular artefactos en el entrenamiento de GAN, existen varias técnicas que se pueden utilizar. Una forma común de simular artefactos es agregar ruido a las imágenes de entrenamiento. Esto puede lograrse agregando ruido gaussiano a las imágenes o mediante la adición de patrones de ruido específicos, como rayas o puntos. Otra técnica útil es la de agregar bordes o distorsiones a las imágenes. Esto puede ayudar a mejorar la capacidad del generador para generar imágenes con detalles más finos y realistas. Al agregar bordes o distorsiones, podemos simular artefactos como borrones, entrelazado o efectos de desenfoque. Además, es importante simular problemas comunes en imágenes, como la falta de contraste, la falta de saturación de color o la presencia de sombras. Al simular estos problemas, el generador puede aprender a compensar y producir imágenes más realistas. Finalmente, es necesario considerar el equilibrio al simular artefactos. Demasiados artefactos pueden afectar negativamente la calidad de las imágenes generadas, ya que pueden producir resultados poco realistas o deseados. Es importante experimentar y ajustar los parámetros para obtener un equilibrio adecuado. En resumen, el entrenamiento de GAN requiere simular adecuadamente diferentes tipos de artefactos en las imágenes. Esto se puede lograr mediante técnicas como la adición de ruido, la manipulación de bordes y distorsiones, o la simulación de problemas comunes en imágenes. El equilibrio adecuado entre la simulación de artefactos es crucial para obtener resultados más realistas y de alta calidad.

22 Jul, 2023 Programación

Actualmente estoy entrenando Parches 3D como se puede ver en la imagen. En este momento me pregunto de dónde vienen estos artefactos en los bordes. Mi intuición dice que podría ser la deconvolución, pero no sé cómo evitarlo. Una rebanada intermedia del Parche 3D