abc

上传者: 42139357 | 上传时间: 2023-04-25 16:41:59 | 文件大小: 75.04MB | 文件类型: ZIP
腹部多器官节段 使用pytorch进行腹部多器官分割, pytorch版本:0.4.0 数据来自名为“超越颅骨金库的多地图集”的在线挑战,有关详细信息,您可以检查以下链接: : //www.synapse.org/#!Synapse:syn3193805/wiki/217752 。 在此挑战中,任务是细分以下13种不同的器官: 数据管理 我使用比赛组织者提供的训练集。 训练集包含30条CT数据,我将其随机分为25个用于训练和5个用于评估。 并将它们组织如下: 资料处理 我将轴向间距标准化为3mm。 并将hu值截断到一定范围。 仅切片包含器官用于训练网络。 网络架构 我使用两个类似3D FCN的U形,并在特定的卷积器组上添加了残留连接。 为了增加接收场,我在编码器的最后两个阶段增加了一个混合的扩张卷积层。大多数想法来自[1]。 实施细节 我使用adam optim并将初始学习率设置为1e

文件下载

资源详情

[{"title":"( 27 个子文件 75.04MB ) abc","children":[{"title":"abc-master","children":[{"title":"show.xlsx <span style='color:#111;'> 29.63KB </span>","children":null,"spread":false},{"title":"SegmentationOfSkinCan.ipynb <span style='color:#111;'> 3.55KB </span>","children":null,"spread":false},{"title":"data_perpare","children":[{"title":"get_threshold.py <span style='color:#111;'> 1.44KB </span>","children":null,"spread":false},{"title":"get_data.py <span style='color:#111;'> 3.40KB </span>","children":null,"spread":false}],"spread":true},{"title":"img","children":[{"title":"abdomen_overview_small.png <span style='color:#111;'> 476.66KB </span>","children":null,"spread":false},{"title":"data_management.png <span style='color:#111;'> 23.00KB </span>","children":null,"spread":false},{"title":"bset.png <span style='color:#111;'> 119.01KB </span>","children":null,"spread":false}],"spread":true},{"title":"best_result.xlsx <span style='color:#111;'> 6.49KB </span>","children":null,"spread":false},{"title":"loss","children":[{"title":"ce_loss.py <span style='color:#111;'> 676B </span>","children":null,"spread":false},{"title":"ava_Dice_loss.py <span style='color:#111;'> 2.04KB </span>","children":null,"spread":false},{"title":"focal_loss.py <span style='color:#111;'> 1.78KB </span>","children":null,"spread":false},{"title":"genernalised_DIce_loss.py <span style='color:#111;'> 3.28KB </span>","children":null,"spread":false},{"title":"ava_Dice_loss_with_bg.py <span style='color:#111;'> 2.04KB </span>","children":null,"spread":false}],"spread":true},{"title":"train.py <span style='color:#111;'> 1.77KB </span>","children":null,"spread":false},{"title":"dataset","children":[{"title":"dataset.py <span style='color:#111;'> 1.96KB </span>","children":null,"spread":false},{"title":"dataset_with_aug.py <span style='color:#111;'> 3.63KB </span>","children":null,"spread":false}],"spread":true},{"title":"module","children":[{"title":"net2480-0.718-0.812.pth <span style='color:#111;'> 71.19MB </span>","children":null,"spread":false},{"title":"net2480-0.718-0.812.png <span style='color:#111;'> 119.01KB </span>","children":null,"spread":false}],"spread":true},{"title":"references","children":[{"title":"milletari2016Vnet.pdf <span style='color:#111;'> 4.12MB </span>","children":null,"spread":false},{"title":"1806.02237.pdf <span style='color:#111;'> 2.28MB </span>","children":null,"spread":false},{"title":"1707.03237.pdf <span style='color:#111;'> 5.44MB </span>","children":null,"spread":false},{"title":"1707.00478.pdf <span style='color:#111;'> 841.25KB </span>","children":null,"spread":false}],"spread":true},{"title":"net","children":[{"title":"ResUnet_dice.py <span style='color:#111;'> 7.67KB </span>","children":null,"spread":false},{"title":"ResUnet_CE.py <span style='color:#111;'> 7.64KB </span>","children":null,"spread":false}],"spread":true},{"title":"val.py <span style='color:#111;'> 5.96KB </span>","children":null,"spread":false},{"title":"README.md <span style='color:#111;'> 3.25KB </span>","children":null,"spread":false},{"title":"Ph2Data.ipynb <span style='color:#111;'> 2.15KB </span>","children":null,"spread":false}],"spread":false}],"spread":true}]

评论信息

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