文件名称：matlab对比实验代码-pGAN-cGAN:肝癌
文件大小：150.39MB
文件格式：ZIP
更新时间：2024-06-11 08:02:59
系统开源
matlab对比实验代码pGAN和cGAN 这些技术（pGAN和cGAN）在论文中进行了描述： Dar SUH，Yurt M，Karancan L，Erdem A，Erdem E，ÇukurT.使用条件生成对抗网络的多对比度MRI中的图像合成。 IEEE医学影像交易。 2019。 演示版 以下命令在IXI数据集中的图像上训练和测试用于T1到T2合成的pGAN和cGAN模型。 可以从上下载注册的培训和测试科目的数据集。 复制当前目录中的“数据集”文件夹。 预训练的pGAN和cGAN模型也出现在checkpoints目录中。 要在其他数据集上运行代码，请创建一个名为“ data.mat”的文件以进行训练，测试和验证样本，并将其放置在其相应的目录（数据集/您的数据/火车，测试，val）中。 “ data.mat”应包含名为data_x的变量（用于源对比度）和名为data_y的变量（用于目标对比度）。 如果您是通过Matlab创建“ data.mat”文件，请确保尺寸（1、2、3、4）对应于（相邻切片，样本数量，x尺寸，y尺寸）。 如果要通过python保存文件，则转置尺寸。 另外，请确保每个
【文件预览】：
pGAN-cGAN-master
----pGAN.py(4KB)
----checkpoints()
--------pGAN_run()
--------cGAN_run()
----models()
--------pgan_model.py(6KB)
--------__init__.pyc(812B)
--------cgan_model.py(8KB)
--------test_model.py(2KB)
--------pgan_model.pyc(8KB)
--------__init__.py(643B)
--------base_model.pyc(3KB)
--------pGAN_model.pyc(8KB)
--------cgan_model.pyc(8KB)
--------pix2pix_model_perceptual.pyc(7KB)
--------base_model.py(2KB)
--------cycle_gan_model.pyc(8KB)
--------networks.pyc(12KB)
--------networks.py(12KB)
----util()
--------util.py(1KB)
--------util.pyc(2KB)
--------__init__.pyc(103B)
--------__init__.py(0B)
--------visualizer.pyc(6KB)
--------html.py(2KB)
--------image_pool.py(1KB)
--------visualizer.py(6KB)
--------html.pyc(3KB)
--------image_pool.pyc(1KB)
----LICENSE(5KB)
----environment.yml(249B)
----options()
--------train_options.py(4KB)
--------__init__.pyc(106B)
--------train_options.pyc(4KB)
--------__init__.py(0B)
--------base_options.py(4KB)
--------base_options.pyc(5KB)
--------test_options.py(845B)
--------test_options.pyc(1KB)
----README.md(4KB)
----cGAN.py(4KB)
----data()
--------base_data_loader.pyc(698B)
--------__init__.pyc(5KB)
--------base_dataset.pyc(2KB)
--------__init__.py(4KB)
--------base_dataset.py(2KB)
--------base_data_loader.py(171B)