Joker 007
Joker 007

医学图像DICOM文件解析——RT Structure篇

文章目录

  • RT Structure.dcm头文件结构
    • 1.Referenced Frame of Reference Sequence
    • 2.Structure Set ROI Sequence
    • 3.ROI Contour Sequence

RT Structure.dcm头文件结构

医学图像DICOM文件解析——RT Structure篇_第1张图片

1.Referenced Frame of Reference Sequence

医学图像DICOM文件解析——RT Structure篇_第2张图片

Referenced Frame of Reference Sequence : 关联信息
    Referenced Frame of Reference 1:
        Frame of Reference UID : 用于定位的坐标系，该坐标系是已经公开的，约定俗成的，一套图的唯一标识，和设备有关，不会变
    RT Referenced Study Sequence:
        RT Referenced Study 1：
            Referenced SOP Class UID : 产生CT，然后进行靶区勾画，剂量分布计算等
            Referenced SOP Instance UID : studyUID，导入TPS（治疗计划系统）时可能会变，也就是说，可能会产生多套图像，不同的studyUID会进行靶区勾画，每套图会有不同的CT
            RT Referenced Series Sequence:
                RT Referenced Series 1:
                Series Instance UID : 产生的CT的UID，对靶区勾画后，RTSTRUCT（靶区勾画文件）可以通过这个UID关联到这个靶区对应的CT
                Contour Image Sequence:切片信息
                    Contour Image 1 : 第一张切片
                        Referenced SOP Class UID : 图片类型，比如CT, MRI
                        Referenced SOP Instance UID : 每张切片的UID

2.Structure Set ROI Sequence

医学图像DICOM文件解析——RT Structure篇_第3张图片

Structure Set ROI Sequence ： 靶区整体信息
    Structure Set ROI 1 : 表示第一个靶区
        ROI Number : 与ROI Contour Sequence 里边Referenced ROI Number对应
        Referenced Frame of Referenced UID : 表示这个病人的唯一UID
        ROI Name : 靶区名字，比如，tissue，brain stem，等
        ROI Generation Algorithm : 生成靶区算法，有MANUAL(手动)，自动等

3.ROI Contour Sequence

医学图像DICOM文件解析——RT Structure篇_第4张图片

ROI Contour Sequence : 靶区信息
ROI Contour 1 : 表示第一个靶区
        ROI Display Color : 表示靶区颜色
        Contour Sequence : 表示靶区有多少层
            Contour 1 : 表示该靶区的第一层
                Contour Image Sequence : 表示每一层该靶区的个数
                    Contour Image 1 : 1表示该层第一个靶区，比如眼球的一个眼球（如果两个眼球一起画的话
                        Referenced SOP Class UID : 表示什么类型图像
                        Referenced SOP Instance UID : 表示该靶区对应原CT哪一层
                    Contour Geomrtric Type : 曲线类型
                    Number of Contour Points : 该靶区曲线点数
                    Contour Data : 具体曲线坐标
        Referenced ROI Number : 每个靶区有唯一一个，和Structure Set ROI Sequence里边的ROI Number相同

你可能感兴趣的:(医学图像DICOM,DICOM)

  • Python(PyTorch和TensorFlow)图像分割卷积网络导图(生物医学) 亚图跨际 交叉知识Python生物医学脑肿瘤图像皮肤病变多模态医学图像多尺度特征生物医学腹部胰腺图像病灶边界气胸图像
    要点语义分割图像三层分割椭圆图像脑肿瘤图像分割动物图像分割皮肤病变分割多模态医学图像多尺度特征生物医学肖像多类和医学分割通用图像分割模板腹部胰腺图像分割分类注意力网络病灶边界分割气胸图像分割Python生物医学图像卷积网络该网络由收缩路径和扩展路径组成，收缩路径是一种典型的卷积网络，由重复应用卷积组成，每个卷积后跟一个整流线性单元(ReLU)和一个最大池化操作。在收缩过程中，空间信息减少，而特征信
  • CPR曲面重建代码 peanut_wu 算法
    废话不说，直接上代码：#include"vtkAutoInit.h"#include"vtkPolyData.h"#include"vtkProbeFilter.h"#include"vtkParametricFunctionSource.h"#include"vtkParametricSpline.h"#include"vtkDICOMImageReader.h"#include"vtkPoin
  • cornerstonejs介绍 花花进修 DICOM医学影像查看器html5javascriptnpmyarn
    Cornerstone.js是一个用于医疗成像应用程序的开源JavaScript库。它专门设计用于在Web浏览器中处理和显示DICOM（数字成像和通信在医学领域）图像。Cornerstone.js为开发者提供了强大的工具，可以轻松构建功能丰富的医学图像查看器，广泛应用于放射学、病理学、超声成像等领域。特点高性能图像渲染：支持大尺寸医学图像的快速渲染，包括CT扫描、MRI、X光片等。利用GPU加速（
  • OHIF记录（十）——初始页面的table配置 Leonopteryxw OHIFreactjs
    OHIF记录（十）——初始页面的table配置在根路径页面的table包含两部分：第一部分：由三个搜索框组成的检索模块，包括患者姓名，Description，检查日期等三种不同类型的检索。第二部分：库中所有dicom数据的无序列表，源码中有24条数据。在platform/ui/components/studyList.js里定义了用于修改检索模块的接口，即mediumTableMeta数组，数组同
  • OHIF Viewer医学影像学习日记 刘斩仙的笔记本 javascriptOHIFViewer医学影像vuereact
    前言：OHIFViewer一个开源的，基于Web的，医学影像查看器。项目文档GitHub项目大概流程：我们下载OHIFViewer项目运行打包，发布到服务器，然后暴露访问地址；再由后端提供返回固定格式json的接口，完整路径例如：http://www.baidu.com/#/viewer?url=http://www.your.com/apiv1/dicom/analysis/studies把此链
  • Unet改进10：在不同位置添加CPCA||通道先验卷积注意力机制 AICurator Unet改进专栏深度学习神经网络unet语义分割
    本文内容：在不同位置添加CPCA注意力机制目录论文简介1.步骤一2.步骤二3.步骤三4.步骤四论文简介低对比度和显著的器官形状变化等特征经常出现在医学图像中。现有注意机制的自适应能力普遍不足，限制了医学影像分割性能的提高。本文提出了一种有效的通道先验卷积注意(CPCA)方法，该方法支持通道和空间维度上注意权重的动态分布。通过采用多尺度深度卷积模块，有效地提取空间关系，同时保留先验通道。CPCA具有
  • 2-79 基于matlab的卷积稀疏的形态成分分析的医学图像融合 顶呱呱程序 matlab工程应用matlab计算机视觉人工智能CS-MCA模型医学图像融合卷积稀疏的形态成分分析
    基于matlab的卷积稀疏的形态成分分析的医学图像融合，基于卷积稀疏性的形态分量分析(CS-MCA)的稀疏表示(SR)模型，用于像素级医学图像融合。通过CS-MCA模型使用预先学习的字典获得其卡通和纹理组件的CSR。然后，合并所有源图像的稀疏系数，并使用相应的字典重建融合分量。最后，实现融合图像计算。程序已调通，可直接运行。2-79卷积稀疏的形态成分分析-小红书(xiaohongshu.com)
  • mitk插件有哪些以及作用 zhangyihu321 mitk插件
    MITK（MedicalImagingInteractionToolkit）是一个用于医疗图像处理与交互的开源软件框架。它提供了一套丰富的插件，使其功能得到扩展和定制。以下是一些常见的MITK插件及其作用：1.**DICOM支持插件**：-**作用**：提供对DICOM（DigitalImagingandCommunicationsinMedicine）格式的支持，包括加载、浏览和存储DICOM图
  • fpga图像处理实战-白色顶帽变换 梦梦梦梦子~ OV5640+图像处理图像处理计算机视觉人工智能
    白色顶帽白色顶帽（WhiteTop-HatTransform），又称顶帽变换，是一种形态学操作，主要用于突出图像中比周围区域更亮的细节。它特别适用于从复杂背景中提取亮区域或对象。白色顶帽操作在图像处理中的应用广泛，特别是在医学图像、工业检测和其他需要增强特定亮区域的应用中。基本原理白色顶帽变换是通过将图像进行开运算（OpeningOperation）后，再从原始图像中减去开运算的结果来实现的。开运
  • 线性代数在卷积神经网络（CNN）中的体现 科学的N次方 人工智能线性代数cnn人工智能
    案例：深度学习中的卷积神经网络（CNN）在图像识别领域，卷积神经网络（ConvolutionalNeuralNetworks,CNN）是一个广泛应用深度学习模型，它在人脸识别、物体识别、医学图像分析等方面取得了显著成效。CNN中的核心操作——卷积，就是一个直接体现线性代数应用的例子。假设我们正在训练一个用于识别猫和狗的图像分类器，原始输入是一幅RGB彩色图片，可以将其视为一个高度、宽度和通道数（R
  • 图像算法实习生--面经1 小豆包的小朋友0217 算法
    系列文章目录文章目录系列文章目录前言一、为什么torch里面要用optimizer.zero_grad()进行梯度置0二、Unet神经网络为什么会在医学图像分割表现好？三、transformer相关问题四、介绍一下胶囊网络的动态路由五、yolo系列出到v9了，介绍一下你最熟悉的yolo算法六、一阶段目标检测算法和二阶段目标检测算法有什么区别？七、讲一下剪枝八、讲一下PTQandQAT量化的区别九、
  • MATLAB图像拼接算法及实现 程序员小溪 算法matlab计算机视觉MATLAB人工智能
    图像拼接算法及实现（一）论文关键词：图像拼接图像配准图像融合全景图论文摘要：图像拼接(imagemosaic)技术是将一组相互间重叠部分的图像序列进行空间匹配对准,经重采样合成后形成一幅包含各图像序列信息的宽视角场景的、完整的、高清晰的新图像的技术。图像拼接在摄影测量学、计算机视觉、遥感图像处理、医学图像分析、计算机图形学等领域有着广泛的应用价值。一般来说,图像拼接的过程由图像获取,图像配准,图像
  • e_ophtha_MA眼底数据集—根据微血管瘤标注Mask绘制Contour轮廓图 curemoon
    眼底医学图像处理：微血管瘤Microaneurysm检测分割采用数据集e_ophtha中的e_ophtha_MA，此数据集可从互联网下载实现根据微血管瘤标注Mask，在原图绘制轮廓图，以直观了解微血管瘤，以便检测分割微血管瘤1.可展示数据集中原图和绘制轮廓图的并列拼接图2.可保存Mask，原图，根据标注绘制轮廓图的眼底图的拼接图1.原图和绘制轮廓图的并列拼接图2.保存Mask，原图，根据标注绘制轮
  • 2024年生物医学、医学图像与信号处理国际会议(ICBMISP2024) anana_xu 信号处理大数据人工智能智慧城市自动化制造
    2024年生物医学、医学图像与信号处理国际会议(ICBMISP2024)会议简介2024年国际生物医学、医学成像和信号处理会议（ICBMISP2024）很高兴邀请您提交主题为“生物医学、医学图像和信号处理的当前挑战和未来前景”的原稿。通过ICBMISP2024，生物医学、医学成像和信号处理三个重要领域的完美融合将为研究人员、农学家、政策制定者、年轻人，特别是行业专家提供一个平台，让他们聚集、分享经
  • 压缩感知——革新数据采集的科学魔法 superdont 计算机视觉人工智能算法计算机视觉opencv系统地学习Pythonpython机器学习
    引言：在数字时代，数据以及数据的收集和处理无处不在。压缩感知(CompressedSensing,CS)是一种新兴的数学框架，它挑战了我们传统上对数据采集和压缩的看法，给医学图像、天文观测、环境监测等领域带来了颠覆性的影响。但到底什么是压缩感知，它又为何如此重要呢？本文将为你深入浅出地解释。压缩感知压缩感知(CS)与传统数据压缩的差异：传统信息论告诉我们，数据被采集后通常需要进行压缩以便于存储和传
  • CT-CTA不理解的点 qq_1248742467 pytorch
    由于是将训练CT数据的模型用来跑MRI，因此有些操作不是很理解，并且也不会，请教哈各位大佬Question1首先使用一个生成模型netG_A2B将输入real_A2转换成输出fake_B，这通常是在如图像到图像的转换任务中常见的做法，例如在使用对抗生成网络（GANs）来增强医学图像或改变图像风格的应用中。然后利用函数to_windowdata将real_B和生成的fake_B通过窗宽（WW）和窗位
  • Mamba-UNet：用于医学图像分割的类似UNet的纯视觉Mamba网络 AI浩 高质量人类CV论文翻译深度学习人工智能计算机视觉
    摘要在医学图像分析的最新进展中，卷积神经网络（CNN）和视觉转换器（ViT）都取得了显著的基准成绩。前者通过其卷积操作在捕获局部特征方面表现出色，而后者则通过利用自注意力机制实现了出色的全局上下文理解。然而，这两种架构在有效建模医学图像中的长距离依赖关系时都存在局限，这对于精确分割至关重要。受到Mamba架构的启发，该架构因其处理长序列和全局上下文信息的能力以及作为国家空间模型（SSM）的增强计算
  • PyQt Python 使用 VTK ITK 进行分割 三维重建 医学图像可视化系统 流程 恋恋西风 PythonpyqtpythonVTKITK
    效果：重建流程：1.输入可以读取DICOM，niinrrd等数据设置读取器以加载DICOM图像系列。使用itk::GDCMImageIO作为DICOM图像的输入输出接口。使用itk::GDCMSeriesFileNames获取指定路径下的所有DICOM文件名。使用itk::ImageSeriesReader读取DICOM图像序列，并将其作为3D图像存储。2.分割创建itk::ThresholdIm
  • some resources about meditation 搬布
    AndyPuddicombe--allittakesis10mindfulminutes?Atalkaboutmeditationheadspace.comHeadspacehavesomefreetrial
  • ssm/php/node/python论文投稿系统 果果 程序设计 php开发语言
    本系统（程序+源码）带文档lw万字以上文末可领取本课题的JAVA源码参考系统程序文件列表系统的选题背景和意义选题背景段落：随着人工智能技术的飞速发展，深度学习作为其重要分支之一，在图像处理和分析领域展现出了巨大的潜力。尤其是在医学诊断领域，传统的诊断方法依赖于医生的经验和知识积累，这不仅对医生的个人能力提出了较高要求，也存在一定的主观误差。深度学习的图像识别技术通过训练大量的医学图像数据，能够辅助
  • 机器学习：BN层介绍及深入理解 是Dream呀 机器学习笔记神经网络机器学习人工智能
    前言：BN在深度网络训练过程中是非常好用的trick，在笔试中也很常考，而之前只是大概知道它的作用，很多细节并不清楚，因此希望用这篇文章彻底解决揭开BN的面纱。BN层的由来与概念讲解BN之前，我们需要了解BN是怎么被提出的。在机器学习领域，数据分布是很重要的概念。如果训练集和测试集的分布很不相同，那么在训练集上训练好的模型，在测试集上应该不奏效（比如用ImageNet训练的分类网络去在灰度医学图像
  • 医学综合类SCI期刊，21天录用，就是这么快！ Unionpub学术
    底了，许多新老作者都会问到小编“有1个月就能录用的期刊吗？真的很着急”，的确现在时间紧迫，项目验收结项，基金收回，马上2020年3月申项。可是，论文都是有一定发表周期的，从论文提交-一审-修改-二审-到论文录用，一般需要3个月左右的时间，也有少数进展比较快的期刊，所以小编根据大家的需求，特分这本医学类的期刊，发表经验-21天录用：一、期刊简介JCR4区医学图像与健康信息类【期刊简介】：欧美，IF：
  • 三维重建 阈值分割 3D可视化 医学图像分割 CT图像分割及重建系统 可视化编程技术及应用 恋恋西风 VTK毕业设计和论文qt三维重建VTKITK图像分割
    一、概述此系统实现了常见的VTK四视图，实现了很好的CT图像分割，可以用于骨骼，头部，肺部，脂肪等分割，，并且通过三维重建实现可视化。使用了第三方库VTK，ITK实现分割和生不重建。窗口分为（横断面）、冠状面、矢状面，和3D窗口；包含了体绘制和面绘制；效果：CT分割重建二、开发环境操作系统：Windows10:工具：Qt5.12.4+VisualStudio2017，使用开源库：VTK-8.1IT
  • 医学图像隐私保护 superdont 图像加密计算机视觉
    随着数字医疗技术的快速发展，医学图像例如X光片、CT扫描、MRI及超声波扫描已成为现代医疗診断和治療的基石。然而，同时这些包含敏感个人信息的图像也面临着隐私和安全方面的挑战。随着数据泄露事件的增多，医学图像隐私保护变得尤为重要。从技术层面来看，医学图像隐私保护通常包括以下方面：1.数据加密：为了保护数据在传输过程中不被未经授权的人窃取或篡改，可以使用各种加密标准，如SSL/TLS、AES和RSA等
  • 【深度学习】: 脑部MRI图像分割 X.AI666 深度学习深度学习人工智能
    清华大学驭风计划课程链接学堂在线-精品在线课程学习平台(xuetangx.com)代码和报告均为本人自己实现（实验满分），只展示主要任务实验结果，如果需要详细的实验报告或者代码可以私聊博主，接实验技术指导1对1有任何疑问或者问题，也欢迎私信博主，大家可以相互讨论交流哟~~案例4：脑部MRI图像分割相关知识点：语义分割、医学图像处理（skimage,medpy）、可视化（matplotlib）1任务
  • 医学图像增强——基于同态滤波方法（Matlab代码实现） 然哥爱编程 matlab图像处理开发语言
    目录1概述2运行结果3参考文献‍4Matlab代码1概述医学图像增强——基于同态滤波方法（Matlab代码实现）目的:改善医学图像质量,使低对比度的图像得到增强。方法:利用Matlab,采用灰度直方图均衡化和灰度直方图规定化的方法对一幅X线图像进行增强处理,并比较它们的增强效果。结果:用直方图均衡化和规定化的算法,将原始图像密集的灰度分布变得比较稀疏,处理后的图像视觉效果得以改善。直方图均衡化对于
  • MATLAB环境下使用同态滤波方法进行医学图像增强 哥廷根数学学派2023 matlab计算机视觉开发语言算法图像处理机器学习
    目前图像增强技术主要分为基于空间域和基于频率域2大方面，基于空间域图像增强的方法包括了直方图均衡化方法和Retinex方法等，基于频率域的方法包括同态滤波方法。其中直方图均衡化方法只是根据图像的灰度概率分布函数进行简单的全局拉伸，没有考虑像素间的灰度联系情况，进行直方图均衡化后，会在一定程度上提高图像的对比度，但是图像的灰度级会进行合并进而减少，造成细节的丢失。而Retinex方法假定空间照度是缓
  • 基于matlab的医学图像同态滤波仿真 Simuworld MATLAB仿真案例matlab医学图像同态滤波
    目录1.算法仿真效果2.MATLAB源码3.算法概述4.部分参考文献1.算法仿真效果matlab2022a仿真结果如下：
  • MATLAB环境下基于同态滤波方法的医学图像增强 哥廷根数学学派 信号处理图像处理深度学习matlab算法计算机视觉图像处理信号处理
    目前图像增强技术主要分为基于空间域和基于频率域两大方面，基于空间域图像增强的方法包括了直方图均衡化方法和Retinex方法等，基于频率域的方法包括同态滤波方法。其中直方图均衡化方法只是根据图像的灰度概率分布函数进行简单的全局拉伸，没有考虑像素间的灰度联系情况，进行直方图均衡化后，会在一定程度上提高图像的对比度，但是图像的灰度级会进行合并进而减少，造成细节的丢失。而Retinex方法假定空间照度是缓
  • 【计算机视觉 | 图像分割】通用AI大模型Segment Anything在医学影像分割的性能究竟如何？ 旅途中的宽~ 计算机视觉人工智能计算机视觉医学图像SA模型
    最近看到了一篇论文：论文地址为：https://arxiv.org/pdf/2304.14660.pdf这篇文章用来探究最近大火的大模型SA在医学图像上的效果。文章目录一、前言二、数据集展示三、方法展示四、结果分析一、前言近半年来，ChatGPT、DALL·E等引发了大规模基础AI模型的狂潮。4月初，MetaAI发布第一个用于图像分割的大规模基础模型SegmentAnythingModel(SAM
  • apache ftpserver-CentOS config gengzg apache
    <server xmlns="http://mina.apache.org/ftpserver/spring/v1" xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance" xsi:schemaLocation=" http://mina.apache.o
  • 优化MySQL数据库性能的八种方法 AILIKES sqlmysql
    1、选取最适用的字段属性 　　MySQL可以很好的支持大数据量的存取，但是一般说来，数据库中的表越小，在它上面执行的查询也就会越快。因此，在创建表的时候，为了获得更好的 性能，我们可以将表中字段的宽度设得尽可能小。例如，在定义邮政编码这个字段时，如果将其设置为CHAR(255),显然给数据库增加了不必要的空间，甚至使用VARCHAR这种类型也是多余的，因为CHAR(6)就可以很
  • JeeSite 企业信息化快速开发平台 Kai_Ge JeeSite
    JeeSite 企业信息化快速开发平台 平台简介 JeeSite是基于多个优秀的开源项目，高度整合封装而成的高效，高性能，强安全性的开源Java EE快速开发平台。 JeeSite本身是以Spring Framework为核心容器，Spring MVC为模型视图控制器，MyBatis为数据访问层， Apache Shiro为权限授权层，Ehcahe对常用数据进行缓存，Activit为工作流
  • 通过Spring Mail Api发送邮件 120153216 邮件main
    原文地址：http://www.open-open.com/lib/view/open1346857871615.html 使用Java Mail API来发送邮件也很容易实现，但是最近公司一个同事封装的邮件API实在让我无法接受，于是便打算改用Spring Mail API来发送邮件，顺便记录下这篇文章。 【Spring Mail API】 Spring Mail API都在org.spri
  • Pysvn 程序员使用指南 2002wmj SVN
    源文件:http://ju.outofmemory.cn/entry/35762 这是一篇关于pysvn模块的指南. 完整和详细的API请参考 http://pysvn.tigris.org/docs/pysvn_prog_ref.html. pysvn是操作Subversion版本控制的Python接口模块. 这个API接口可以管理一个工作副本, 查询档案库, 和同步两个. 该
  • 在SQLSERVER中查找被阻塞和正在被阻塞的SQL 357029540 SQL Server
    SELECT  R.session_id AS BlockedSessionID ,          S.session_id AS BlockingSessionID ,          Q1.text AS Block
  • Intent 常用的用法备忘 7454103 .netandroidGoogleBlogF#
    Intent     应该算是Android中特有的东西。你可以在Intent中指定程序 要执行的动作（比如：view,edit,dial），以及程序执行到该动作时所需要的资料 。都指定好后，只要调用startActivity()，Android系统 会自动寻找最符合你指定要求的应用 程序，并执行该程序。 下面列出几种Intent 的用法 显示网页:
  • Spring定时器时间配置 adminjun spring时间配置定时器
    红圈中的值由6个数字组成，中间用空格分隔。第一个数字表示定时任务执行时间的秒，第二个数字表示分钟，第三个数字表示小时，后面三个数字表示日，月，年，< xmlnamespace prefix ="o" ns ="urn:schemas-microsoft-com:office:office" /> 测试的时候，由于是每天定时执行，所以后面三个数
  • POJ 2421 Constructing Roads 最小生成树 aijuans 最小生成树
    来源：http://poj.org/problem?id=2421 题意：还是给你n个点，然后求最小生成树。特殊之处在于有一些点之间已经连上了边。 思路：对于已经有边的点，特殊标记一下，加边的时候把这些边的权值赋值为0即可。这样就可以既保证这些边一定存在，又保证了所求的结果正确。 代码： #include <iostream> #include <cstdio>
  • 重构笔记——提取方法（Extract Method） ayaoxinchao java重构提炼函数局部变量提取方法
    提取方法（Extract Method）是最常用的重构手法之一。当看到一个方法过长或者方法很难让人理解其意图的时候，这时候就可以用提取方法这种重构手法。   下面是我学习这个重构手法的笔记：   提取方法看起来好像仅仅是将被提取方法中的一段代码，放到目标方法中。其实，当方法足够复杂的时候，提取方法也会变得复杂。当然，如果提取方法这种重构手法无法进行时，就可能需要选择其他
  • 为UILabel添加点击事件 bewithme UILabel
        默认情况下UILabel是不支持点击事件的，网上查了查居然没有一个是完整的答案，现在我提供一个完整的代码。   UILabel *l = [[UILabel alloc] initWithFrame:CGRectMake(60, 0, listV.frame.size.width - 60, listV.frame.size.height)]
  • NoSQL数据库之Redis数据库管理(PHP-REDIS实例) bijian1013 redis数据库NoSQL
    一.redis.php <?php //实例化 $redis = new Redis(); //连接服务器 $redis->connect("localhost"); //授权 $redis->auth("lamplijie"); //相关操
  • SecureCRT使用备注 bingyingao secureCRT每页行数
    SecureCRT日志和卷屏行数设置 一、使用securecrt时，设置自动日志记录功能。 1、在C:\Program Files\SecureCRT\下新建一个文件夹(也就是你的CRT可执行文件的路径），命名为Logs； 2、点击Options -> Global Options -> Default Session -> Edite Default Sett
  • 【Scala九】Scala核心三：泛型 bit1129 scala
    泛型类 package spark.examples.scala.generics class GenericClass[K, V](val k: K, val v: V) { def print() { println(k + "," + v) } } object GenericClass { def main(args: Arr
  • 素数与音乐 bookjovi 素数数学haskell
        由于一直在看haskell，不可避免的接触到了很多数学知识，其中数论最多，如素数，斐波那契数列等，很多在学生时代无法理解的数学现在似乎也能领悟到那么一点。     闲暇之余，从图书馆找了<<The music of primes>>和<<世界数学通史>>读了几遍。其中素数的音乐这本书与软件界熟知的&l
  • Java-Collections Framework学习与总结-IdentityHashMap BrokenDreams Collections
            这篇总结一下java.util.IdentityHashMap。从类名上可以猜到，这个类本质应该还是一个散列表，只是前面有Identity修饰，是一种特殊的HashMap。         简单的说，IdentityHashMap和HashM
  • 读《研磨设计模式》-代码笔记-享元模式-Flyweight bylijinnan java设计模式
    声明： 本文只为方便我个人查阅和理解，详细的分析以及源代码请移步 原作者的博客http://chjavach.iteye.com/ import java.util.ArrayList; import java.util.Collection; import java.util.HashMap; import java.util.List; import java
  • PS人像润饰&调色教程集锦 cherishLC PS
      1、仿制图章沿轮廓润饰——柔化图像，凸显轮廓 http://www.howzhi.com/course/retouching/   新建一个透明图层，使用仿制图章不断Alt+鼠标左键选点，设置透明度为21%，大小为修饰区域的1/3左右（比如胳膊宽度的1/3），再沿纹理方向（比如胳膊方向）进行修饰。   所有修饰完成后，对该润饰图层添加噪声，噪声大小应该和
  • 更新多个字段的UPDATE语句 crabdave update
    更新多个字段的UPDATE语句                    update tableA a set (a.v1, a.v2, a.v3, a.v4) = --使用括号确定更新的字段范围
  • hive实例讲解实现in和not in子句 daizj hivenot inin
    本文转自：http://www.cnblogs.com/ggjucheng/archive/2013/01/03/2842855.html 当前hive不支持 in或not in 中包含查询子句的语法，所以只能通过left join实现。 假设有一个登陆表login(当天登陆记录,只有一个uid),和一个用户注册表regusers(当天注册用户，字段只有一个uid)，这两个表都包含
  • 一道24点的10+种非人类解法（2,3,10,10） dsjt 算法
    这是人类算24点的方法？！！！ 事件缘由：今天晚上突然看到一条24点状态，当时惊为天人，这NM叫人啊？以下是那条状态 朱明西 : 24点，算2 3 10 10，我LX炮狗等面对四张牌痛不欲生，结果跑跑同学扫了一眼说，算出来了，2的10次方减10的3次方。。我草这是人类的算24点啊。。 然后么。。。我就在深夜很得瑟的问室友求室友算 刚出完题，文哥的暴走之旅开始了 5秒后
  • 关于YII的菜单插件 CMenu和面包末breadcrumbs路径管理插件的一些使用问题 dcj3sjt126com yiiframework
    在使用 YIi的路径管理工具时，发现了一个问题。                    <?php         
  • 对象与关系之间的矛盾：“阻抗失配”效应[转] come_for_dream 对象
    概述   “阻抗失配”这一词组通常用来描述面向对象应用向传统的关系数据库（RDBMS）存放数据时所遇到的数据表述不一致问题。C++程序员已经被这个问题困扰了好多年，而现在的Java程序员和其它面向对象开发人员也对这个问题深感头痛。   “阻抗失配”产生的原因是因为对象模型与关系模型之间缺乏固有的亲合力。“阻抗失配”所带来的问题包括：类的层次关系必须绑定为关系模式（将对象
  • 学习编程那点事 gcq511120594 编程互联网
    一年前的夏天，我还在纠结要不要改行，要不要去学php？能学到真本事吗？改行能成功吗？太多的问题，我终于不顾一切，下定决心，辞去了工作，来到传说中的帝都。老师给的乘车方式还算有效，很顺利的就到了学校，赶巧了，正好学校搬到了新校区。先安顿了下来，过了个轻松的周末，第一次到帝都，逛逛吧！ 接下来的周一，是我噩梦的开始，学习内容对我这个零基础的人来说，除了勉强完成老师布置的作业外，我已经没有时间和精力去
  • Reverse Linked List II hcx2013 list
    Reverse a linked list from position m to n. Do it in-place and in one-pass. For example:Given 1->2->3->4->5->NULL, m = 2 and n = 4, return 
  • Spring4.1新特性——页面自动化测试框架Spring MVC Test HtmlUnit简介 jinnianshilongnian spring 4.1
    目录 Spring4.1新特性——综述 Spring4.1新特性——Spring核心部分及其他 Spring4.1新特性——Spring缓存框架增强 Spring4.1新特性——异步调用和事件机制的异常处理 Spring4.1新特性——数据库集成测试脚本初始化 Spring4.1新特性——Spring MVC增强 Spring4.1新特性——页面自动化测试框架Spring MVC T
  • Hadoop集群工具distcp liyonghui160com
        1. 环境描述 两个集群：rock 和 stone rock无kerberos权限认证，stone有要求认证。 1. 从rock复制到stone，采用hdfs Hadoop distcp -i hdfs://rock-nn:8020/user/cxz/input hdfs://stone-nn:8020/user/cxz/运行在rock端，即源端问题：报版本
  • 一个备份MySQL数据库的简单Shell脚本 pda158 mysql脚本
    　　主脚本（用于备份mysql数据库）： 　　该Shell脚本可以自动备份 数据库。只要复制粘贴本脚本到文本编辑器中，输入数据库用户名、密码以及数据库名即可。我备份数据库使用的是mysqlump 命令。后面会对每行脚本命令进行说明。 　　 1. 分别建立目录“backup”和“oldbackup” 　　#mkdir /backup 　　#mkdir /oldbackup 　
  • 300个涵盖IT各方面的免费资源（中）——设计与编码篇 shoothao IT资源图标库图片库色彩板字体
    A. 免费的设计资源 Freebbble:来自于Dribbble的免费的高质量作品。 Dribbble:Dribbble上“免费”的搜索结果——这是巨大的宝藏。 Graphic Burger:每个像素点都做得很细的绝佳的设计资源。 Pixel Buddha:免费和优质资源的专业社区。 Premium Pixels:为那些有创意的人提供免费的素材。
  • thrift总结 - 跨语言服务开发 uule thrift
    官网 官网JAVA例子 thrift入门介绍 IBM-Apache Thrift - 可伸缩的跨语言服务开发框架 Thrift入门及Java实例演示 thrift的使用介绍   RPC    POM： <dependency> <groupId>org.apache.thrift</groupId>
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他