文件名称：matlab代码先保存在运行-LiviaNET:该存储库包含LiviaNET的代码，LiviaNET是我们工作中使用的3D全卷积神经网络：“用
文件大小：11.51MB
文件格式：ZIP
更新时间：2024-06-08 16:04:07
系统开源
matlab代码先保存在运行 LiviaNET。 用于语义图像分割的3D全卷积神经网络 pytorch的新版本已实施 该存储库包含LiviaNET的代码，这是我们工作中使用的3D全卷积神经网络：2017年4月17日在Neuroimage中接受。 要求 该代码已用Python（2.7）编写，并且需要 您还应该已经安装 （可选）该代码允许以Matlab和Nifti格式加载图像。 如果您想使用nifti格式，则应安装 运行代码 训练 如何从头开始训练自己的体系结构？ 要开始使用自己的体系结构，必须根据需要修改文件“ LiviaNET_Config.ini”。 然后，您只需要在命令行中编写： python ./networkTraining.py ./LiviaNET_Config.ini 0 在每个时期之后，这将保存更新的训练模型。 如果您使用GPU，则将在近5分钟后从示例中获得训练有素的模型。 我可以从另一个时代重新开始训练吗？ 想象一下，在对模型进行了两天的训练之后，就在准备好评估新模型之前，您的计算机出现了故障。 不要恐慌！！！ 您只需从保存模型的最后一个纪元（假设第20个纪元）重新开
【文件预览】：
LiviaNET-master
----src()
--------generateROI.py(4KB)
--------networkSegmentation.py(2KB)
--------LiviaNET_Segmentation.ini(807B)
--------LiviaNET_Config_NeuroPaper.ini(6KB)
--------LiviaNET_Config.ini(6KB)
--------networkTraining.py(3KB)
--------LiviaNet()
--------processLabels.py(4KB)
----License(1KB)
----Dataset()
--------Label()
--------MR()
--------ROI()
--------Readme.txt(704B)
----README.md(6KB)
----trainedWeights()
--------weights_ConvLayer_0.npy(1KB)
--------Readme.txt(155B)
--------weights_ConvLayer_1.npy(21KB)
--------weights_ConvLayer_2.npy(63KB)
----Images()
--------NeuroRes2.jpg(313KB)
--------NeuroFeatMaps.jpg(1.04MB)