文件名称：熵值法matlab代码-cardiac-segmentation:卷积神经网络用于心脏分割
文件大小：230.55MB
文件格式：ZIP
更新时间：2024-06-14 03:14:48
系统开源
保守值法matlab代码用于心脏分割的全卷积神经网络 arXiv论文中原始Caffe FCN模型的Keras重新实现。 注意重现原始论文中报告的结果，尤其是表2-4。 但是，此Keras实现与原始Caffe实现之间存在关键区别： Caffe具有“允许网络就地更改其输入大小”的方法。 此方法对于定义可以处理形状可变的输入的完全卷积网络非常有用。 某些Keras图层（例如Cropping2D或Flatten ）需要形状信息，因此不适用于此类可变输入形状。 对于此Keras FCN模型，我们将所有输入标准化为固定形状，然后在后期处理期间将其转换回原始形状。 Caffe FCN模型可以处理任何可变的输入形状。 Caffe实现使用交叉熵损失作为训练信号，而此Keras实现使用Dice系数作为训练损失。 Caffe实施使用的数据扩充策略与此Keras实施略有不同。 下表总结了每个数据集的数据扩充和训练协议： 结果 以下是与报告的原始Caffe结果相比的Keras结果： 对于所有指标，值越大越好，但距离指标（APD和Hausdorff）除外，其中较小的值表示更好的结果。 要求 该代码在Ubuntu
【文件预览】：
cardiac-segmentation-master
----train_rvsc.py(6KB)
----helpers.py(4KB)
----fcn_model.py(7KB)
----submit_lvsc.py(3KB)
----create_submission_rvsc.sh(290B)
----weights()
--------rvsc_i.h5(41.74MB)
--------lvsc_i.h5(41.74MB)
--------lvsc_o.h5(41.74MB)
--------sunny*_o.h5(41.74MB)
--------rvsc_o.h5(41.74MB)
--------sunny*_i.h5(41.74MB)
----submit_rvsc.py(3KB)
----create_submission_sunny*.sh(263B)
----train_sunny*.py(6KB)
----train_lvsc.py(8KB)
----rename_sunny*.py(974B)
----README.md(4KB)
----create_submission_lvsc.sh(187B)
----graphics()
--------results_rvsc.png(75KB)
--------table_keras.png(70KB)
--------FCN_schematic.png(814KB)
--------results_lvsc.png(80KB)
--------table_caffe.png(75KB)
--------results_sunny*.png(90KB)
----SAX_series.txt(778B)
----submit_sunny*.py(4KB)