Pytorch-3D-Medical-Image-Semantic-Segmentation:使用Pytorch进行3D医学图像语义分割-源码

上传者: 42136365 | 上传时间: 2021-10-16 14:55:12 | 文件大小: 24KB | 文件类型: -
Pytorch-3D-医学图像语义分割 这是我的私人研究资料库的发行版。 随着研究的进行,它将进行更新。 为什么我们需要AI来进行医学图像语义分割? 放射治疗治疗计划需要精确的轮廓,以最大程度地扩大目标覆盖范围,同时最大程度地降低对周围高风险器官(OAR)的毒性。 医师的专业知识和经验水平各异,在手动轮廓绘制过程中会引入较大的观察者内变化。 观察者之间和观察者内部的轮廓变化导致治疗计划的不确定性,这可能会损害治疗结果。 在当前的临床实践中,由医生进行手动轮廓绘制非常耗时,当患者躺在沙发上时,它无法支持自适应治疗。 例子 CT切片 地面真相 预言 更新日志 2020年7月11日更新 基本训练/验证功能 型号:更深的3D残留U-net 2020年7月13日更新 型号:3D残留U-net 数据加载器中的规范化控制 考虑引用我们的论文: Zhang,Z.,Zhao,T.,Gay,H.,Z

文件下载

评论信息

  • juluwangriyue :
    训练数据集从哪里下载?
    2021-09-09

免责申明

【只为小站】的资源来自网友分享,仅供学习研究,请务必在下载后24小时内给予删除,不得用于其他任何用途,否则后果自负。基于互联网的特殊性,【只为小站】 无法对用户传输的作品、信息、内容的权属或合法性、合规性、真实性、科学性、完整权、有效性等进行实质审查;无论 【只为小站】 经营者是否已进行审查,用户均应自行承担因其传输的作品、信息、内容而可能或已经产生的侵权或权属纠纷等法律责任。
本站所有资源不代表本站的观点或立场,基于网友分享,根据中国法律《信息网络传播权保护条例》第二十二条之规定,若资源存在侵权或相关问题请联系本站客服人员,zhiweidada#qq.com,请把#换成@,本站将给予最大的支持与配合,做到及时反馈和处理。关于更多版权及免责申明参见 版权及免责申明