oct-choroid-seg:“使用监督式深度学习方法在OCT图像中进行自动脉络膜分割”论文的代码

时间:2024-03-02 01:53:31
【文件属性】:

文件名称:oct-choroid-seg:“使用监督式深度学习方法在OCT图像中进行自动脉络膜分割”论文的代码

文件大小:51KB

文件格式:ZIP

更新时间:2024-03-02 01:53:31

Python

八脉络膜段 论文“使用监督式深度学习方法在OCT图像中自动脉络膜分割”的代码 依存关系 的Python 3.6.4 凯拉斯2.2.4 张量流gpu 1.8.0 h5py Matplotlib 麻木 训练模型(基于补丁) 修改load_training_data和train_script_patchbased_general.py load_validation_data函数加载你的训练和验证数据(见代码中的注释)。 选择以下选项之一,并将其​​作为第一个训练参数传递,如代码所示: model_cifar (Cifar CNN) model_complex (复杂的CNN) model_rnn (RNN)[默认] 可以更改所需的补丁大小( PATCH_SIZE )以及数据集的名称( DATASET_NAME )。 运行train_script_patchbased_g


【文件预览】:
oct-choroid-seg-master
----patch_based_network_models.py(13KB)
----common.py(146B)
----augmentation.py(2KB)
----evaluation_parameters.py(7KB)
----save_parameters.py(4KB)
----results_collation.py(5KB)
----training_callbacks.py(2KB)
----eval_semantic.py(17KB)
----custom_losses.py(3KB)
----training_parameters.py(2KB)
----dataset_construction.py(23KB)
----eval_script_semantic_general.py(3KB)
----semantic_network_models.py(10KB)
----plotting.py(6KB)
----eval_helper.py(52KB)
----train_script_patchbased_general.py(3KB)
----graph_search.py(25KB)
----eval_patch_based.py(10KB)
----evaluation_output.py(416B)
----parameters.py(71B)
----data_generator.py(13KB)
----README.md(4KB)
----training.py(9KB)
----image_database.py(28KB)
----train_script_semantic_general.py(3KB)
----eval_script_patchbased_general.py(3KB)
----custom_metrics.py(386B)

网友评论