cumtraz在Matlab用法

hello， 大家好，我是医学 ai 干货的装饰兄，今天给大家带来一个我近期学到的非常非常干货的一个知识点，那呃这个知识点呢，是关于我们编程小白如何来利用我们自己的医学影像数据进行 ai 建模。 那我们经常会在临床上讨论一个问题，我有很好的临床数据，特别是很好的临床影像数据，但是我不会 ai 代码，我也没有找到一个呃非常合适的 ai。 呃，马农作为合作方，那我们没有这些条件的情况下，来怎么进行医学影像的一个 ai 模型建模呢？ 那今天呢，就是给大家介绍这个谷歌 vertex auto m l 的 一个平台，那这个平台呢，它是可以让我们 不需要写一行代码，它就能够完成从数据的清洗，从模型模型的训练，一直到我们把模型部署在自己电脑上跑的一个全过程。所以不管你是呃零基础的小白还是资深的专家，那今天呢，就是跟着我一步一步的操作，你也可以拥有自己的一个 ai 模型。 那我们首先来看一篇呃眼科的顶刊，那这篇眼科的顶刊呢？它是发表在我们眼科 drama of the world， 一个中科院一区九点二分的文章。那这篇文章呢，是二零二四年的文章啊。这篇文章呢，它是呃把自己的超广角引力彩照上传到了 谷歌 automail platform 这个平台上去，那它经过呃谷歌 automail 指的就是全自动的呃 machine learning， 全自动的机器学习，所以谷歌 automail platform 它会利用你上传的这些数据来进行一个全自动的算法的分析，来提取一个 呃最合适的训练的算法来帮你训练出一个 a m 模型，所以这篇文章呢，它不写一行代码，最后训练的一个 a m 模型，呃的 a u c 是 零点八六，所以，呃，嗯，这篇文章就发表在了我们眼科的呃顶刊，那 所以这个事实证明，我们只需要选对工具，我们临床医生也是能够轻松地做出这种顶刊级别的模型。那我们怎么做呢？那我们就来看一下。呃我们所有的操作呢，都是在谷歌这个 cloud platform 这个平台上的，那这个网址呢？我写在这里， 我们首先打开这个网址，那这个网址呢是需要外网的，所以你是需要一定的手段来登录到这个网址上面。然后呢首先我们需要登录账号，那这个登账号这个过程呢，我省略掉了。然后呢我们首先需要 创建一个 project， 然后选定一个 project， 然后选定完之后呢，因为这个 ai 建模 ai 训练这个过程呢，它是实际上是 需要费用的，但是谷歌它给每一个绑定了结算方式的账号，三百赠金的一个一个赠送的金额，所以我们如果说你绑定了 visa 卡之类的这种结算方式，我们可以看到在账单这里打开账单，然后 可以看到这个抵免额，这个地方呢就可以看到它，因为这里是欧元的结算，实际上它是三百美金， 那你就会看到你这里还剩下三百美金的余额，还还剩下多少余额是可以用的，只要你有这个三百美金，那你就可以进行后续的训练。那如果说你没有这三百美金的余额，那后面的所有操作都是操作不了的。那首先第一步呢，我们是需要先进入到谷歌的这个云，呃呃，这个 相相当于是一个云硬盘的一个界面，那云硬盘界面我们进入之后呢，我们首先我们点击这个 bucket， bucket， 然后我们要建立一个， 嗯，相当于是你把它理解为一个文件夹的名称，那这里呢？我们随便输入一个名称，但是因为它是要求这个名称是全球不重复的一个名称，所以，呃， 你自己想一个名称就可以了。那这里我已经建好了，我建好这个名称，建好这个文件夹，那是这个文件夹，我我把它命名为 optomake in in ms training。 然后呢，当你建立好文件夹之后，你就要开始上传你的文件了， 那这里呢就可以点击上传，然后可以点击上传文件，或者点击上传文件夹。那如果说你的数据不是特别大，几百张可能上千张，那你可以直接点击上传文件夹， 同时一次性把你的呃本地电脑上的这些数据上传上去。那如果说你数据量非常大的话，那我建议就是把它打包成 z p g 的 这样的一个格式的压缩包，然后再上传，之后再在谷歌影上进行解压。那我们可以看到 我们这个数据的要求什么样的，那这个就是我这个例子啊，我上传的是券的这个文件夹，我把这个券的文件夹打包成 z p g， z r p， 然后这个券的文件夹里面有四个文件夹， 每一个文件夹里面都有几万张，几几万张眼力。呃，我们这个眼眼科的 o c t 的 照片， 我们这里都是相当于是你把呃每一个疾病的这种 o c d 图片你进行文件的分类，然后分类好之后，你再打包成压缩包，然后再上传，那这个上传的过程，因为我这个是六 g， 我 就不再重复演示的上传过程了。那上传之后呢，我们就应该来进行一个解压缩， 那解压缩呢？这里呃有两种方式，如果说你上传的数据小于两个 g， 小 于两个 g 的 话，你就可以在这里点击我们的呃谷歌提供的一个临时电脑，然后在这个临时电脑上面进行呃终端的命令的输入来进行操作。 那但是呢，这个这个我就不再不多演示了，因为我这个上传的数据是五点八 g， 五点八 g 超过了它临时电脑的五 g 的 上限，所以我需要在谷歌云里面啊先去购买一个服务器。那，那这个服务器我们可以先我们输入 workbench， workbench ai， 那 我们点击这个 workbench， 然后呢它呃 啊，这里呢我们就可以先建立一个，建立一个服务器，然后我们这个服务器可以看到进阶选项，这里实际上你不点开也没关系的。 它这个呃进阶选项这里呢它会呃跟你说你这个显卡大小是多少？实际上我们显卡大小只要超过了我们这个 z i p 的 大概三倍就可以了，那我这里选择了一个呃一百 g b 的 显卡大小 的一个服务器，那这个需要大概三分钟左右的时间，呃这个服务器才会建立完，那我们稍等一下。 呃，很好，我们可以看到我们这个服务器已经建立好了，那我们在服务器这里可以看到一个呃 rupert lab 这个选项，点击之后呢？嗯， 点之后我们可以看到这里有好多的这种呃很复杂的场景供我们选择，但实际上不需要担心，我们只需要点这个 timo， 点击透明呢，相当于是我们进入到这个服务器的终端里面去。那么这一步的目的就是为了来将我们上传到呃我们这个谷歌的云储存的这个 z i p 文件解压缩出来。 那我们这里需要用到一个命令行，一个这个命令行呢，它不是模型的命令行，这个命令行呢是为了来解压我们的文件的一个一个操作的命令行，那我们 copy 完，然后按回车，然后稍等。 那我们可以看到现在这个终端就是在呃全自动地将我们刚刚上传的这个 ip 解压缩，同时把解压缩出来的文件重新的复制回我们的谷歌的储存储存的空间里面去。 那解压缩的目的就是为了后面我们可以把解压缩的好的文件发送 ai 模型，进行模型的训练。 嗯，那么经过数分钟的等待，我们可以看到这个终端的命令它终于是执行完毕了。那这个时候呢，我们回到我们刚刚呃 google cloud， 它 cloud storage 的 这个 bucket 里面，我们可以看到 我们刚刚这个文件夹里面，啊，这个 z i p 它已经解压出来了。解压这个链文件夹，把我们刚刚文件夹里面拥有的呃每个子文件夹的这些包括图像全部都已经传送出来了。 那我们下一步呢，就是应该把我们这个呃谷歌云的储存桶里面的数据发送到 vertex ai 里面去进行训练，所以我们下一步呢应该打开这个 vertex ai， 然后进入到 vertex ai 之后，我们选择资料集，资料集在资料集这个地方呢，我们新建一个，因为这个前面这个地方是我之前已经训练过的了，那我给大家重新的演示一次，我们应该怎么选择？ 那我们呃建了一个资料集之后呢？我们应该呃填写一个名称，比方说我这里是填写一个 o c t classification v 二、 然后我们要选择我们要训练的数据是什么类型的，因为我刚上传的全都是图像数据，所以我应该选择图片，然后现在有不同的这种呃模型的 类型的选择，那因为我想要给这个 ai， 想要给我的 o c t 进行一个单一标签的分类诊断，比方说这张图片它就是单一诊断为 c n v 或者单一诊断为 druson， 那 所以我想要这个目标，所以我选择这个单一标签分类。如果说你的一张图片可能里面有多个诊断， 那你就要选择一个多表现分类。如果说你要对呃你的医学影像进行一个某一个部位的监测，或者是对一些病灶进行分割的训练，那你就应该呃选择其他的一个类型的目标， 然后我们这个区域同样的呃我们也选择我们的爱荷华州，因为这个爱荷华州的资源相当相对来说比较好，以及呃网络比较稳定，然后我们再点击建立。 那么在呃创建好之后呢，我们点开这个这个数据集，然后我们应该选择从我们这个谷歌 storage 里面去导入到导入我们刚刚选择的刚刚上传那些图片，那我们再点击浏览， 然后点击券，但这个时候你发现这个券它是无法选举来上传到这个 vertex ai 里面去的，呃，所以我们应该来为这个呃我们的这些数据 建立一个表格的缩影，那这个表格的缩影应该怎么来？怎么来操作呢？我们同样的回到我们刚刚的 workbench， 或者说我们干按这个终端也可以，但我们还是同同样的回到我们这个 workbench 里面去， 那这 workbench 实际上就是刚刚这个这个终端的界面，然后我们把这条命令 复制到这个 tele 里面去重新地执行一次。那这条命令的作用呢？就是，呃把我们 呃这个储存桶里面的呃打包好的这些数据来建立一个表格的缩影，让 vertex ai 知道每一个诊断的眼底彩照对应的是哪一个路径的文件， 所以这个就是我们这个作用，那这个命令执行的非常快。那这里有几个要点需要注意的，就是因为这个我是按照我的命名来进行一个呃命令的一个执行，所以你如果在执行的时候，你如果的命，你如果你的命名跟我的不一样，那你就要换成你的储存桶的名称，以及你刚刚上传的 z i p 文件的名称。 那我们执行完之后，我们再呃回到这里，回到我们的 vertex ai， 我 们重新选这个 cloud storage storage， 就 可以看到这里多了一个 data csv 的 选项，那我们点选曲， 然后呢再按继续， 那么在经过十分钟左右的时间之后，呃所有的这七万多张照片呢，就都已经上传到我们这个 vertex ai 里面去了。呃这个时候呢，我们就应该点击训练心模型， 那点开来看，点开之后呢我们，呃当然了，我们这里就开始要要选我们的 auto ml， 如果说你有自己的编程基础的话，那你选这个自定训练也没有关系，但是我们今天这堂课呢，就是教大家怎么来用 am 用谷歌这个模型来进行自动化的机器学习的这种模型训练。 那啊下面这个呢是一个很关键的选项，到底应该选择云端还是应该选择 edge， 这两个呢是有有非常明显的区别的，那云端呢？它的精确度要比 edge 高一点点， 但是它训练出来的数据，训练出来的模型只能部署在谷歌云平台上，然后如果大家要使用的话，需要在谷歌云上租赁一个服务器，然后呃生成一个 api， 通过 api 来让大家来使用你训练好的这个模型， 那它的优势就在于它的准确率会高一点点。然后 edge 这个模型这个这个方式呢，它的准确性会低一点点， 但它的好处在于它能够把谷歌自动训练好的模型导出到我们本地来，那我们呃因此呢，我们就应该选择这个 edge， 我 们如果说你想要把这个模型导出来，放到你的本地电脑上，放到你的手机上去做一个呃模型的部署的话，那我们就应该选择 edge， 那 我们再点继续，然后我们再一直点继续， 然后呢这个我们当然呢是要选择这个，呃高精确度的这个选项，呃，然后预算时间呢？我们保守估算，我们选择八， 然后就点开始训练，但这个训练过程实际上我已经训练好的了，我就不再额外训练。大概这个训练过程，我七万多张照片，大概花了两个小时左右的时间会训练。好，那我我们来看看我之前已经训练好的一个呃，这个模型。 那我之前呢是通过我之前上传的同样的七万多张照片来做的两种两种类型的训练。第一种呢 就是用的我们刚刚说的它不能够导出来的在谷歌云上的这个训练方式，它出来的这个 a u c 整体的 a u c 是 零点九九二，这是相当高的一个 a u c， 但是可以看到导出这个地方是导不出的， 所以我们我后来又重新去进行了一个基于 edge 的 这种训练。那这个点点开之后呢，你可以看到它的 a u c 比刚刚的零点九九二要低一点点，但是这个 a u c 也是相当高的了，也是也是。呃，有机会发一些不错的文章。 然后呢，我们这里可以导，可以可以点击导出，然后选择这个 tensor floor。 那 这个地方呢？ 我们呃要新建一个，建议大家新建一个新的文件夹。那这里呢，我已经新建了一个 o c t model output， 所以 我选择这里，然后选择这个路径，然后点导出。 那这个导出呢？我已经之前已经导出完的了。那导出完了之后呢，我们可以看到我们重新回到这个 cloud storage 这里 the bucket 这个地方 o c t model output， 那点开来看，你可以看到这里有不同层级的文件夹，然后点最后的一个文件夹，如果说你这个时候看到上面有 action 文件，有这些病文件，有有这个 delete txt 文件，那说明你这个模型就成功导出来了， 那但是这个时候是导出到呃谷歌云上面的储存桶，你要把这个储存桶上的模型导出到你的电脑，应该怎么做呢？你可以简单的点击这里面的下载按键， 那但是它它这个谷歌云，它呃比较呃不方便的一个地方，就是没办法呃点击整个文件夹下载，整个文件夹它只能一个文件一个文件下载，所以我常规来说，我会重新点开这个终端，然后我会把我最后的这个指 令，然后把刚刚的命令粘贴过来进行执行， 那它就会把呃我们存放在谷歌的这个储存桶的这个模型，然后拉取到临时的电脑里面去拉取完之后呢，我们点右上角这三个点，然后点击下载， 然后我们选择我们想要下载的文件，那实际上就是这个这个 o c d 这个模型下载，那你可以看到我们把它下载到我们的下载文件夹里面去， 那么打开我们自己本地电脑的下载文件夹，可以看到，呃这个文件夹已经下载到我们的本地电脑里面去了， 那接下来呢，我们应有了这个模型应该如何来展示模型的部署的结果呢？那我又不会写代码，所以这个时候呢，我就应该呃请出我们 ai 编程助手来帮助我们，比如说我们可以用 现在比较火的这个 anti gravity 是 谷歌的一个免费的 id 编程助手，那我把它把解压好的这个文件夹直接拖入到 anti gravity 里面去，那就像我之前已经执行过的了。 呃，我用 anti gravity 打开解压好的啊，下载的这个模型，然后我跟这个 anti gravity 告诉他， 帮我来创建一个 intes html 的 前端，来让我实现呃 o c t 视网膜图像诊断的 web 应用，然后并帮我进行进行启动。那这里呢，我就是选择了 cloud ops 的 四点五 thinking 模型，那这个模型呢，在 integrity 里面也是免费的， 当它执行完之后呢，它就会在这里生成一个 s t m l 文件，然后这个 s t m l 文件实际上我已经打开了，那就是这个这个文件。这个呢，就是呃 anti gui 帮我生成的我的这个谷歌模型，谷歌训练出来的模型的前端的界面，那我们这里可以试一下，随便点击一个 上传一张新的图片，那因为它需要生成热力图，所以它这个过程需要花花费一点点的时间，那这样很快你可以看到几秒钟的时间就会出来出来结果了，它这个诊断为 druson 啊，百分之八十六点五的概率是诊断为 druson， 所以 呃诊断诊断准确率是是相对来说很高的，它确实就是一个 druson。 然后呢，这个是 ai 的 一个热力图，所以经过呃上面的所有的操作，我们可以看到，呃利用我们自己的数据，加上谷歌的这个平台，加上一些 ai 智能体的代码编辑器，那我们可以很轻松地让我们这些呃 临床上的影像学数据来转换成一个呃质量很高的一个 ai 模型，这个质量很高的 ai 模型可以帮助我们 进行临床诊断，也可能可以帮助我们发表到一个不错的顶刊的文章里面去。那， 那回头来看，我们其实只做了一件事情，就是利用现成的工具来释放我们所拥有的数据的价值。有了这些模型，有这些工具，你就可以进一步来结合我们临床文本数据进行一个多模态的研究，或者是开发出一些 更好的辅助诊断软件。那这些操作，这些整个整个过程，实际上我觉得比单纯的发一篇论文是更加有意义的多了。那今天呢？呃，整个过程 所用的数据集，指令代码以及提示词呢？呃，一项获取都是，呃在后台私信 auto ml 就 可以免费获取到了。那如果这期视频打开了你的科研新思路，记得点赞收藏关注，那我是庄师兄，我们下期再见！

今天 lisa 为大家带来外贸行业的高效插件，领英加阿波罗简直就是王炸组合。接下来我们进入实操教程， 没有领英账户也能轻松使用阿波罗挖取客户决策人信息以及邮箱。在谷歌搜索栏输入 a p o l o， 点开第一个官网， 您需要进行一个注册，注册登录后进入主页，主要使用的是左侧边栏的功能。我们以特斯拉为例进行一个搜索举例， 你能快速的了解到公司详情以及他的基本信息，那我们主要是可以在这几个部分进行一一的了解公司的概述、活动人员以及他相应的一些领域和资料，这都有助于后续我们进行跟客户对接联系。 最关键的一步，访问电子邮件，直接就出现了电子邮件的地址，我们可以通过查找决策人发送对应的邮件跟客户进行一个联系。

google 最新发布的 gmail 三点零真是强到离谱， gemini three！ gemini three！ gemini three！ gemini three 一 句话就可以做出像这样的小游戏，搭建精美的个人网站，做出可交互的产品落地，还能够复制 youtube 的 首页， 做出像这样的三 d 演示动画，只有你想不到，没有他做不到。而且全程不需要任何代码基础，所有的案例全是一个 promise 单文件零代码直接在浏览器跑出来的真实案例，而且目前对所有用户免费开放。今天这期影片七就带大家用 jammy 三点零 一起一比一来复刻全网最炸裂的十个实测案例。那目前 jammy 三点零对所有用户免费开放，我们直接进入到 jammy 的 官网，在新品这里选择三点零 pro 的 模型， 并且在 tools 这里打开 canvas 这个功能就能够免费使用。首先。

mamba 已成顶会的收割机，最近又在 c v p r 二零二五上大放异彩，发文潜力有目共睹。其中大连理工发布的 d f mamba 可变形 mamba 备受瞩目，作为全球首个可变形扫描视觉 mamba 框架，在四大任务上实现了全面的搜查性能。可变形 mamba 作为 s s m 的 动态扩展版本， 具备动态效率平衡的核心优势，其理论延展性何在？如医疗生物领域的广泛应用，为研究提供了丰富的发力点，创新空间巨大。想发论文的同学 建议从医疗影像分割视频持续建模入手，结合混合架构和三 d 扩展进行创新，冲击高区，论文机会很大。为帮助大家紧跟利于发展，早日找到创新点，我整理了十篇可变形曼巴的最新成果，方便大家复现，有需要的同学自去即可。