使用生成式对抗学习的3D医学图像分割很少
该存储库包含我们在同名论文中提出的模型的tensorflow和pytorch实现：
该代码在tensorflow和pytorch中都可用。 要运行该项目，请参考各个自述文件。
数据集
选择了数据集来证实我们提出的方法。 它包含10个标记的训练对象和13个未标记的测试对象的3D多模式脑MRI数据。 我们将这10个标记的训练数据分为两个模型的训练，验证和测试图像。（例如，2,1和7）13个未标记的测试图像中的其余部分仅用于训练基于GAN的模型。
数据集也用于测试我们提出的模型的鲁棒性。 它包含3种模式（T1加权，T1加权反转恢复和FLAIR）。 原始数据
2021-09-27 16:33:52
1.15MB
1
适用于Python的深度学习医学十项全能演示*
具有医学十项全能数据集的U-Net生物医学图像分割。
该存储库包含用于使用数据集（ ）训练模型的和 U-Net TensorFlow脚本。
。
引文
David Ojika，Bhavesh Patel，G。Athony Reina，Trent Boyer，Chad Martin和Prashant Shah。 与第三次机器学习和系统会议（MLSys）共同举办的“解决AI模型培训中的内存瓶颈”，德克萨斯州奥斯汀市，MLOps系统研讨会（2020）。
2021-09-22 23:11:04
67.97MB
1
ITK 是一个庞大的系统，因此本书不可能完全介绍所有的ITK 对象和方法。本书
将尽最大能力指导你了解重要的系统概念，并尽快尽好地指导你学习。ITK 是一个开放源码
的软件系统，这就意味着ITK 用户和开发团体可以方便地对软件进行软件的开发和改进
2021-09-17 10:36:52
7.3MB
1
医学图像分割的半监督学习。
近来，半监督图像分割已成为医学图像计算中的热门话题，不幸的是，由于隐私策略等原因，只有少数开源代码和数据集。为了便于评估和公平比较，我们正在尝试建立一个半监督医学图像分割基准，以促进医学影像计算社区中的半监督学习研究。如果您有兴趣，可以随时将实现或想法推送到此存储库。
该项目最初是为我们以前的工作开发的，如果您发现对您的研究有用，请考虑引用以下内容：
@article{luo2020urpc,
title={Efficient Semi-supervised Gross Target Volume of Nasopharyngeal Carcinoma Segmentation via Uncertainty Rectified Pyramid Consistency},
author={Luo, Xiangde and Liao, Wen
2021-09-07 15:10:50
114KB
1
双任务一致性
本文的代码：通过双任务一致性进行半监督医学图像分割（ ）
@article{luo2021semi,
title={Semi-Supervised Medical Image Segmentation through Dual-task Consistency},
author={Luo, Xiangde and Chen, Jieneng and Song, Tao and Wang, Guotai},
journal={AAAI Conference on Artificial Intelligence},
year={2021}
}
要求
一些重要的必需软件包包括：
版本> = 0.4.1。
TensorBoardX
的Python == 3.6
一些基本的python软件包，例如Numpy，Scikit-image，SimpleITK，S
2021-09-07 14:29:05
100.02MB
1
3D U-Net卷积神经网络
背景
我们设计3DUnetCNN使其易于应用和控制各种深度学习模型对医学成像数据的训练和应用。 上面的链接提供了有关如何将本项目与来自MICCAI各种挑战的数据一起使用的示例/教程。
依存关系
火炬
Nilearn
大熊猫
凯拉斯
有问题吗？
加入或给我发电子邮件 。
引文
Ellis DG，Aizenberg MR（2021年），尝试使用开源深度学习框架对胶质瘤进行分割的U-Net培训修改。 在：Crimi A.，Bakas S.（eds）脑损伤：脑胶质瘤，多发性硬化症，中风和脑外伤。 《 BrainLes 2020》。计算机科学讲座，第12659卷。ChamSpringer。 https://doi.org/10.1007/978-3-030-72087-2_4
其他引用
Ellis DG，Aizenberg MR（2020）使用通过注册增强的深度
2021-08-20 23:45:34
14MB
1