文件名称：matlab精度检验代码-hccdetection:hcc检测
文件大小：79KB
文件格式：ZIP
更新时间：2024-06-10 18:54:05
系统开源
matlab精度检验代码将Slicer DB导出为nifti vglrun /opt/apps/slicer/Slicer-4.10.2-linux-amd64/Slicer --no-main-window --python-script ./anonymize.py Matlab的例子 用法 将dicome转换为nifti并匿名化数据 使艺术成为现实 做一个 预处理-强度归一化 使缩放 预处理-调整大小-3-D U-Net的有效大小的数据集是8的倍数 调整大小 预处理-使用python代码设置kfold折叠 预处理-每个折叠都配置有一个json文件，供matlab读取 python setupmodel.py --databaseid = hccmri-初始化python setupmodel.py --databaseid = hccmri --setuptestset 火车模型 Matlab肝脏模型 将NN应用于测试集 做面具 评估准确性 重叠 检测 make -f methodist.makefile -j 4 rawmethodist resizemth Matlab代码结
【文件预览】：
hccdetection-master
----.exportoverlap(207B)
----ImageSegmentationDensenet2D.m(9KB)
----.loadcsvsqliterc(11B)
----.gitignore(35B)
----applymodel.m(2KB)
----methods.tex(18KB)
----ImageSegmentationUnet3D.m(6KB)
----reslicemanualverify.txt(2KB)
----dicePixelClassification3dLayer.m(3KB)
----lrstatistics.makefile(10KB)
----methodist.sql(2KB)
----plotaccuracy.m(2KB)
----ImageSegmentationUnet2D.m(6KB)
----crctumortrainingdata.csv(11KB)
----tumorboundingbox.py(2KB)
----setupmodel.py(20KB)
----lrtraining.csv(1KB)
----datakey.md(1KB)
----ImageSegmentationDensenet3D.m(9KB)
----applymodel.py(6KB)
----lrtraininggnostic.csv(7KB)
----trainqa.R(2KB)
----BerettaLab()
--------MRIImagesfromBerettaLab()
----livermodel.m(6KB)
----anonymize.py(4KB)
----ImageSegmentationBaseClass.m(707B)
----resizemcs.py(2KB)
----labelkey.txt(920B)
----resize.py(2KB)
----README.md(2KB)
----normalization.py(2KB)
----lrtrainingphase.csv(1KB)
----tumormodel.m(4KB)
----lesiontraining.csv(60KB)
----crctrainingdata.csv(10KB)
----lrstatistics.sql(4KB)
----makefile(23KB)
----liverboundingbox.py(2KB)
----wide.sql(6KB)
----methodist.makefile(9KB)
----trainingdata.csv(6KB)
----segmentImagePatchwise.m(2KB)
----lrstats.R(3KB)
----ImageSegmentationDeepMedic.m(176B)
----trainingdatawashout.csv(3KB)
----lrmodel.py(56KB)
----references.bib(5KB)
----reslicemanual.txt(6KB)
----dataqa.R(2KB)
----test.makefile(1KB)