文件名称：DSD-3D基于无监督地标检测的运动估计
文件大小：2.78MB
文件格式：ZIP
更新时间：2024-03-02 14:10:17
Python
DSD：基于无监督地标检测的时空运动估计的4D动态医学图像 介绍 在这项研究中，我们提供了一种新颖的无监督拓扑指导的运动估计框架，我们将其称为密集-稀疏-密集（DSD）框架，包括两个阶段。 在第一阶段，我们处理原始的密集图像以提取稀疏的界标，以表示目标器官的解剖拓扑。 对于此过程，我们引入了无监督3D地标检测网络，以提取空间稀疏但具有代表性的地标，以进行目标器官的运动估计，同时抑制了运动估计所不需要的冗余信息。 在第二阶段，我们从后续时间点的两个图像的稀疏地标中提取运动位移。 然后，通过将稀疏地标的位移投影回密集图像域来构造运动场。 两个示例以地标表示形式显示心脏运动 两个示例以地标表示形式显示肺部运动 我们的密集-稀疏-密集（DSD）框架
【文件预览】：
DSD-3D-Unsupervised-Landmark-Detection-Based-Motion-Estimation-main
----pretext_vis.py(5KB)
----images()
--------lung-2.gif(588KB)
--------cardiac-1.gif(721KB)
--------DSD.png(142KB)
--------cardiac-2.gif(643KB)
--------lung-1.gif(759KB)
----reconstruction.py(7KB)
----README.md(2KB)
----gradcam.py(9KB)
----config()
--------LUNG_Data.yaml(4KB)
--------CT_Data.yaml(5KB)
----run_3d.py(6KB)
----pretext.py(6KB)
----niidata.py(24KB)
----modules()
--------model_3d.py(18KB)
--------util_3d.py(7KB)
--------vnet_3d.py(24KB)
--------generator_3d.py(3KB)
--------tps_grid_gen_3d.py(4KB)
--------keypoint_detector_3d.py(4KB)
--------pyr_lap.py(1KB)
--------discriminator_3d.py(4KB)
--------dense_motion_3d.py(5KB)
----logger.py(11KB)
----train_3d.py(8KB)