文件名称：abc
文件大小：75.04MB
文件格式：ZIP
更新时间：2024-03-14 15:16:02
Python
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
【文件预览】：
abc-master
----show.xlsx(30KB)
----SegmentationOfSkinCan.ipynb(4KB)
----data_perpare()
--------get_threshold.py(1KB)
--------get_data.py(3KB)
----img()
--------abdomen_overview_small.png(477KB)
--------data_management.png(23KB)
--------bset.png(119KB)
----best_result.xlsx(6KB)
----loss()
--------ce_loss.py(676B)
--------ava_Dice_loss.py(2KB)
--------focal_loss.py(2KB)
--------genernalised_DIce_loss.py(3KB)
--------ava_Dice_loss_with_bg.py(2KB)
----train.py(2KB)
----dataset()
--------dataset.py(2KB)
--------dataset_with_aug.py(4KB)
----module()
--------net2480-0.718-0.812.pth(71.19MB)
--------net2480-0.718-0.812.png(119KB)
----references()
--------milletari2016Vnet.pdf(4.12MB)
--------1806.02237.pdf(2.28MB)
--------1707.03237.pdf(5.44MB)
--------1707.00478.pdf(841KB)
----net()
--------ResUnet_dice.py(8KB)
--------ResUnet_CE.py(8KB)
----val.py(6KB)
----README.md(3KB)
----Ph2Data.ipynb(2KB)