ISIC 2018:黑色素瘤检测的皮肤病变分析 概括 更新:2018年7月15日,包括k倍验证以及验证/测试预测和提交。 该存储库为基于Keras / Tensorflow的ISIC-2018挑战的任务1和任务3提供了一个起始解决方案。 当前达到的性能是: 任务1 任务3 平均Jaccard的81.5% 准确度达83% 阈值Jaccard的77.2% 平均召回率68.5% 我们支持Keras支持的大多数骨干网(Inception,Densenet,VGG等)。 对于分段问题,我们还支持在U-Net类型结构中使用Keras预训练主干。 该代码是高度可配置的,允许您更改和尝试算法的许多方面。 下面,我们描述如何运行基准解决方案。 安装/设置 该代码使用:Python 3.5,Keras 2.1.6和TensorFlow 1.8.0。 请参阅需求文件以获取所需的软件包。 请
1
JONH L,SEMMLOW 英文原版图书 医学图像处理 matlab实现
2019-12-21 22:04:09 7.62MB 医学图像处理 matlab
1