文件名称：用matlab画图像直方图代码-Intensity-Normalization-with-CycleGAN:强度强度归一化
文件大小：81.19MB
文件格式：ZIP
更新时间：2024-06-16 02:37:17
系统开源
用matlab画图像直方图代码强度强度归一化 该代码用于医学图像的强度归一化，大致分为图像预处理，CycleGAN训练和预测图像（CycleGAN建立在CycleGAN-Tensorflow的顶部，可以从''下载）和成像质量评估。 该paper（）中提出了该代码的所有思想和方法。 如果您想使用该代码，请先引用本文。 环境 TensorFlow 1.0.0 的Python 3.6.0 数据集 数据集/ IMAGES_OF_GE来自GE扫描仪的十张患者图像 数据集/ IMAGES_OF_XI来自西门子扫描仪的十幅患者图像 由于隐私原因，我已将其删除 预训练模型 我的预训练模型可在以下位置获得 数据准备 首先，我们进行了SIFT图像匹配 python SIFT.py 然后，我们对图像进行了随机裁剪 python random_crop.py 将数据集写入tfrecords python build_data.py 训练 python train.py 如果您不想使用histogram_loss，请在model.py中将学习率设置为零 出口模式 您可以按照以下步骤从检查点导出到独立的Graph
【文件预览】：
Intensity-Normalization-with-CycleGAN-master
----export_graph.py(2KB)
----results()
--------Figure_1.png(28KB)
--------Figure_2.png(31KB)
--------Figure_3.png(30KB)
--------results.png(211KB)
--------Figure_6.png(31KB)
--------Figure_5.png(29KB)
--------Figure_4.png(29KB)
----draw_histogram.py(5KB)
----scale.py(587B)
----backprop_test.py(1KB)
----SIFT.py(3KB)
----random_crop.py(1KB)
----pretrained()
--------apple2orange.pb(43.5MB)
--------orange2apple.pb(43.5MB)
----inference.py(2KB)
----GMSD.m(1KB)
----discriminator.py(2KB)
----results.png(211KB)
----utils.py(1KB)
----README.md(3KB)
----caculate_gmsd.m(612B)
----test.py(2KB)
----reader.py(3KB)
----evaluation_criteria.py(5KB)
----ops.py(7KB)
----build_data.py(4KB)
----Evaluation_criteria.py(5KB)
----generator.py(2KB)
----model.py(10KB)
----train.py(6KB)