这是作者在去年处理的一个关于进程保活的案例一.引言1.1保活概述什么是保活？保活就是在用户主动杀进程，或者系统基于当前内存不足状态而触发清理进程后，该进程设法让自己免于被杀的命运或者被杀后能立刻重生的手段。保活是”应用的蜜罐，系统的肿瘤“，应用高保活率给自己赢得在线时长，甚至做各种应用想做而用户不期望的行为，给系统带来的是不必要的耗电，以及系统额外的性

之前挑战赛的数据都是以CT图像为主，而医学影像还有其他模态，例如核磁共振成像。今天我将分享如何对多模态MR图像脑肿瘤进行分割处理。为了方便大家学习理解整个分割流程，我将整个流程步骤进行了整理，并给出每个步骤的结果，希望对大家有所帮助。一、脑肿瘤图像分析与预处理（1）、获取多模态MR图像属性信息。读取原始图像，显示图像大小，Spacing信

今天将继续分享从网络结构上进行改进提出SCSEVNet模型来分割脑肿瘤。为了方便大家学习理解整个分割流程，我将整个流程步骤进行了整理，并给出每个步骤的结果，希望对大家有所帮助。一、SCSENet模块介绍17年Momenta胡杰团队提出SqueezeandExcitationNetworks（简称SENet）后BraTS18——多模

今天将继续分享从网络结构上进行改进提出NonLocalVNet模型来分割脑肿瘤。为了方便大家学习理解整个分割流程，我将整个流程步骤进行了整理，并给出每个步骤的结果，希望对大家有所帮助。一、NonLocal模块介绍在前面的文章中已经介绍过NonLocal模块，其主要思想就是自注意力机制，详细介绍请阅读Tensorflow入门教程（三十二）—

!(https://oscimg.oschina.net/oscnet/ed6b352f2e0735ea0a39fd7797f7232a830.jpg)前面已经分享过对多模态MR图像脑肿瘤进行分割处理的例子。今天将继续分享使用多分类Focalloss函数来训练分割网络。为了方便大家学习理解整个分割流程，我将整个流程步骤进行了整理，并给出每个步骤的结果

在上一篇文章中，初次提交了比赛成绩，结果不是特别理想。利用元旦三天假期和周末时间，把所有训练数据都用来肝训练和肿瘤训练。在测试数据上又进行一次推理，成绩相比第一次有一定幅度提高。肝分割成绩排行榜，在测试集上dice分数从原来的0.942提升到0.956，与第一名只有0.01的差距，基本上肝分割的结果已经相当不错了。!(https:

今天将继续分享从网络结构上进行改进提出SEVNet模型来分割脑肿瘤。为了方便大家学习理解整个分割流程，我将整个流程步骤进行了整理，并给出每个步骤的结果，希望对大家有所帮助。一、SENet模块介绍Momenta胡杰团队从特征通道之间的关系出发，提出了SqueezeandExcitationNetworks（简称SENet），来显式地建

今天将继续分享从网络结构上进行改进提出ETVNet模型来分割脑肿瘤。为了方便大家学习理解整个分割流程，我将整个流程步骤进行了整理，并给出每个步骤的结果，希望对大家有所帮助。一、EdgeGuidance模块介绍在论文《ETNetAGenericEdgeaTtentionGuidanceNetworkforMedi

前面的文章中只对损失函数进行了不同尝试，今天将从网络结构上进行改进提出融合VNet模型来分割脑肿瘤。为了方便大家学习理解整个分割流程，我将整个流程步骤进行了整理，并给出每个步骤的结果，希望对大家有所帮助。一、脑肿瘤图像分析与预处理（1）、多模态MR脑肿瘤图像分析。分析的过程基本上跟上一篇一致，这里就不多言了，直接从数据处理开始。（2）