文件名称：matlab的素描代码-MEGAN:高效记忆体GAN
文件大小：101KB
文件格式：ZIP
更新时间：2024-06-12 21:34:55
系统开源
matlab的素描代码内存效率高的GAN PyTorch的。 与原始论文有一些区别。 例如，我们在这里使用开源的脑部MRI图像。 而且，使每个较低分辨率标度上的接收场都大于每个高分辨率标度上的接收场，这表现得更好。 真正的LPBA 真实T2 假T2 先决条件 Linux或MacOS 的Python 3 火炬> 0.4 NVIDIA GPU + CUDA CuDNN MATLAB（可选，但是您需要编写一个新的边缘提取功能） 入门 安装方式 克隆此仓库 安装要求 数据集 在这里，我们在数据集和挑战图像数据之间建立图像转换。 开始之前，您需要下载两个数据集。 训练：我们使用BRATS T2 HGG和LGG数据进行训练，并训练将图像边缘转换为灰度图像。 测试：为了进行测试，我们从所有40个LPBA图像中提取边缘。 我们使用本机空间在头骨上剥离的LPBA图像，并将其转换为轮廓空间。 资料夹结构 此代码与以下目录结构一起使用。 您可以选择其他结构，但是，请考虑替换根目录的默认选项。 . ├── Data │ ├── SKETCH2BRATST23D │ │ ├── A │ │
【文件预览】：
MEGAN-master
----network_utils.py(2KB)
----multiscale_patch_dataset.py(7KB)
----images()
--------real.png(21KB)
--------realT2.png(20KB)
--------fakeT2.png(19KB)
----networks3D_HR.py(11KB)
----train_BRATS3D_HR.py(11KB)
----requirements.txt(65B)
----dataset.py(6KB)
----coords3D_utils.py(4KB)
----.Rhistory(0B)
----LICENSE(34KB)
----README.md(4KB)
----preprocess_LPBA3D.py(5KB)
----train_BRATS3D_LR.py(10KB)
----.gitignore(1KB)
----preprocess_BRATS3D.py(6KB)
----image_utils.py(2KB)
----networks3D_LR.py(10KB)
----test_BRATS3D.py(10KB)