matlab图像分割肿瘤代码用于从CT图像进行肝分割的深度学习模型的基本合奏 此存储库包含用于合奏方法的样本脚本，该文章在“用于从CT图像进行肝脏分割的深度学习模型的基本合奏”中进行了解释。 有关详细说明，请参阅该文章（当前正在审核中）。 该代码是用MATLAB编写的。 ensemleDeepModels_MAIN.m是用户需要执行的主要脚本。 在脚本中有四种单独的分割方法的评估和五种不同的集成方法的实现以及它们的评估。 数据来自CT Set 2。 除了此存储库中的所有文件之外，还必须从提供的链接中下载（143 MB）。 该文件存储来自CHAOS CT Set 2的四个独立深度模型的概率图。 这些模型是： DeepMedic ：K. Kamnitsas，E。Ferrante，S。Parisot，C。Ledig，AV Nori，A。Criminisi等人，“ DeepMedic用于脑肿瘤分割”，在“计算机科学讲座”中，第1卷。 10154 LNCS。 查尔斯·施普林格，湛，2016年10月，第138–149页。 密集的V型网络：E。Gibson，F。Giganti，Y。Hu，E。Bonm

基于深度学习的肺炎医学CT图像分类算法研究 基于深度学习的肺炎医学CT图像分类算法研究 基于深度学习的肺炎医学CT图像分类算法研究 基于深度学习的肺炎医学CT图像分类算法研究 基于深度学习的肺炎医学CT图像分类算法研究 基于深度学习的肺炎医学CT图像分类算法研究 基于深度学习的肺炎医学CT图像分类算法研究 基于深度学习的肺炎医学CT图像分类算法研究 基于深度学习的肺炎医学CT图像分类算法研究 基于深度学习的肺炎医学CT图像分类算法研究 基于深度学习的肺炎医学CT图像分类算法研究 基于深度学习的肺炎医学CT图像分类算法研究 基于深度学习的肺炎医学CT图像分类算法研究 基于深度学习的肺炎医学CT图像分类算法研究 基于深度学习的肺炎医学CT图像分类算法研究 基于深度学习的肺炎医学CT图像分类算法研究 基于深度学习的肺炎医学CT图像分类算法研究 基于深度学习的肺炎医学CT图像分类算法研究 基于深度学习的肺炎医学CT图像分类算法研究 基于深度学习的肺炎医学CT图像分类算法研究 基于深度学习的肺炎医学CT图像分类算法研究 基于深度学习的肺炎医学CT图像分类

 文中提出了一种肝脏在CT（Computed Tomography）图像中的半监督自动分割方法。该方法采用深度协同训练模型以解决医学图像领域中有标签数据获取困难且成本高的问题。首先利用有标签数据建立U-Net和2D V-Net两种分割网络，并分别对无标签数据进行分割，然后对分割结果进行粗略挑选，再进行精细挑选，最后将置信度较高的伪标签加入到训练集中，重复此过程直到对验证集分割结果的Dice值不再增大时为止。提出的方法可以减少迭代过程中累积的误差，在2017 Liver Tumor Segmentation（LiTS）数据集上的结果表明，该方法与全监督学习相比可以有效提高分割精度。

基于CT图像的孔隙网络提取与两相渗流模拟，刘瑜，王合明，孔隙网络模型是以孔隙体及与其相连的吼道来描述多孔介质的孔隙结构，可以为渗流模拟研究提供许多特征参数。本文研究中采用CT扫描�

Segmenting Soft Tissue Sarcomas是由手术病理确认的软组织肉瘤的医学 PET-CT 图像，从2004年11月到2011年11月，有19例病例发现了肺部转移。

对ct算法进行迭代运算

扇束CT图像重建中投影数据生成、CT图像重建以及图像显示的MATLAB代码，其中投影数据是在直线上等间距排列的。

ct Matlab代码CT重建 Matlab代码，通过应用反投影，滤波反投影和卷积反投影来重建CT图像。

Segmenting Soft Tissue Sarcomas是由手术病理确认的软组织肉瘤的医学 PET-CT 图像，从2004年11月到2011年11月，有19例病例发现了肺部转移。

基于FBP算法的CT图像重构，调试通过，希望对大家有用