Never

二维的图像可以分解成不同的频率成分。其中，低频成分描述大范围的信息，而高频成分描述具体的细节。在灰度图像中，亮度变化小的区域主要是低频成分，而亮度变化剧烈的区域 (比如物体的边缘)主要是高频成分。在MATLAB里面试了半天，终于搞明白原来FFT2变换后低频成分在K空间的4个角落而不是中心。终于自己用MATLAB分离出了图像的低频成分和高频成分，呵呵。 1) 原图像，2) 低频成分，3) 高频成分

一年内两次去北京，都是为了去学习，都是去的北师大。北师大的实验室是本领域两个国家重点实验室之一，整体实力很强，特别是跨学科的学术支撑，更是让人流口水。上课地点在传说中的“小红楼”，见到了传说中的两位牛人，不虚此行。 Hu更关注fMRI成像的物理，虽然研究很精彩但是不太感兴趣，倒是一直对Lu和Sperling等人的的研究很感兴趣。最早在去年北师大会议上听过Sperling报告他的注意的时间模型，到前不久刚看懂的Lu的注意以及直觉学习的模型，都是用精细的计算模型来描述人的认知加工过程。我们通常的实验虽然也有理论假设，但是一般不会有明确的模型提出，而大都是通过实验操纵和行为结果反推内在的模型。感觉这是两种研究思路，一种是建立精确的模型，然后通过模型预测行为，再根据行为观测结果验证模型；另一种是进行一些实验操纵得到对应行为结果的差异，然后通过这些实验操纵反推内部模型。这就好像forward model和backward model的关系。虽然大部分的认知过程目前都不能用精确的模型来描述，但是至少在比较初级的知觉加工水平，建立数学模型还应该是更有效的。不知道我目前的研究课题是否可以建立一个比较好的计算模型，这是我最近一直在思考的问题。 与见到牛人相比，课程的收获倒在其次。不过听课也让我有机会反思我对fMRI数据处理的理解。之前做数据处理，基本上是靠自己摸索，真正的含义都不是很理解。这次较完整的理顺了一下整个fMRI实验的过程，整体上还是有了很大的提高。 令一点感受，北京确实是个学术气氛浓厚的地方。虽然政治气氛更浓，导致很多研究生都很压抑而无心向学。但是能真正潜心研究的，还是牛人辈出的。这一点广州比起来真是相差很远。因此多与同行交流，真的是十分必要的事。 培训结束后的两天，还去了传说中的南锣鼓巷和后海。老北京的胡同，有些熟悉，又有些陌生。这里并不是老北京，更像小资，甚至愤青。是好是坏不做评价，在我看来，北京的优点，就在于它的多元化。

继续转载...... http://compbiol.plosjournals.org/perlserv/?request=get-document&doi=10.1371/journal.pcbi.0010057&ct=1 Ten Simple Rules for Getting Published Philip E. Bourne Citation: Bourne PE (2005) Ten Simple Rules for Getting Published . PLoS Comput Biol 1(5): e57 doi:10.1371/journal.pcbi.0010057 Published: October 28, 2005 Copyright: © 2005 Philip E. Bourne. This is an open-access article distributed under the terms of the Creative Commons Attribution License, which permits unrestricted use, distribution, and reproduction in any medium, provided the original author and source are properly credited. Philip E. Bourne is Editor-in-Chief of PLoS Computational Biology . E-mail: bourne@sdsc.edu The student council ( http: / /www.iscbsc.org / ) of the International Society for Computational Biology asked me to present my thoughts on getting published in the field of computational biology at the Intelligent Systems in Molecular Biology confer...