自监督核分割 用于训练自监督分割网络以对组织病理学图像中的核进行分割的代码[1]。 train.py包含培训代码并定义命令行选项。 datasets.py定义用于读取图像的数据集。 models.py定义了相关模型（注意网络和规模网络）。 utils.py定义了其他有用的功能。 configs/定义.yaml配置文件以设置实验参数。 安装 Anaconda环境在conda_env.yml指定。 可以使用以下方式重新创建环境 conda env create -f conda_env.yml 已在Nvidia GeForce GTX 1080和GeForce GTX 1080 Ti GPU，运行驱动程序版本410.48和cuda 10.0以及带有Torchvision 0.3.0的Pytorch 1.1.0上进行了测试。 数据 请参阅目录以获取有关下载和使用数据的说明。 用法 t

MICCAI2015年腺体分割比赛数据集，其中包括165幅标定过的良性或恶性结肠癌的病理图像。癌症阶段为T3或T4。

肋骨挑战赛 评估脚本。 “主”分支是当前用于在线评估的评估代码，包括检测，分类和细分指标。 “旧版”分支用于2020年10月4日之前的MICCAI 2020正式挑战评估，其中可用的评估指标较少。 内容 RibFrac-Challenge/ requirements.txt Required packages for evaluation ribfrac/ evaluation.py Functions for model evaluation nii_dataset.py The dataset class for .nii reading 设定 安装所需的软件包 在命令行中运行以下命令以安装所需的软件包。 首先创建一个特定的Anaconda环境并激活它： conda create -n ribfrac python=3.7 conda activate ribfrac 然后使用pip安装所需的软件包： pip install -r requir

MICCAI 2019超全完整论文集，论文集一共六个chapter

MICCAI2019-医学图像处理顶级会议论文集第5部分 Part-V.pdf

MICCAI 2018论文PartIII，MICCAI 2018论文总共分为4本，这是第3本。

MICCAI 2018论文Part IV，MICCAI 2018论文总共分为4本，这是第4本。

MICCAI2018接收论文列表，可以作为MICCAI2018的论文索引。

MICCAI2019论文集，第三部分 MICCAI2019在深圳举办，论文集共六章，此是第三章的论文，带标签

MICCAI (Medical Image Computing and Computer-Assisted Intervention) MICCAI 2017_part_II