文件名称：Pytorch-3D-Medical-Image-Semantic-Segmentation:使用Pytorch进行3D医学图像语义分割
文件大小：24KB
文件格式：ZIP
更新时间：2024-06-13 16:59:02
pytorch medical-imaging semantic-segmentation 3d-segmentation Python
Pytorch-3D-医学图像语义分割 这是我的私人研究资料库的发行版。 随着研究的进行，它将进行更新。 为什么我们需要AI来进行医学图像语义分割？ 放射治疗治疗计划需要精确的轮廓，以最大程度地扩大目标覆盖范围，同时最大程度地降低对周围高风险器官（OAR）的毒性。 医师的专业知识和经验水平各异，在手动轮廓绘制过程中会引入较大的观察者内变化。 观察者之间和观察者内部的轮廓变化导致治疗计划的不确定性，这可能会损害治疗结果。 在当前的临床实践中，由医生进行手动轮廓绘制非常耗时，当患者躺在沙发上时，它无法支持自适应治疗。 例子 CT切片 地面真相 预言 更新日志 2020年7月11日更新 基本训练/验证功能 型号：更深的3D残留U-net 2020年7月13日更新 型号：3D残留U-net 数据加载器中的规范化控制 考虑引用我们的论文： Zhang，Z.，Zhao，T.，Gay，H.，Z
【文件预览】：
Pytorch-3D-Medical-Image-Semantic-Segmentation-master
----train.py(7KB)
----main.py(698B)
----config()
--------prostateCT_deeper3dresunet_train.yml(626B)
--------prostateCT_3dresunet_train.yml(619B)
--------prostateCT_deeper3dresunet_dev.yml(621B)
----LICENSE(1KB)
----README.md(2KB)
----libs()
--------schedulers()
--------utils()
--------models()
--------metrics()
--------data_processing()
--------loss_funcs()
--------data_loaders()
--------optimizers()
----.gitignore(7B)