文件名称：颜色分类leetcode-SeqNet:血管分割和动脉/静脉分类的联合学习
文件大小：690KB
文件格式：ZIP
更新时间：2024-07-26 15:32:01
系统开源
颜色分类leetcode 序列网 血管分割和动脉/静脉分类的联合学习 视网膜成像是诊断各种疾病的宝贵工具。 然而，即使对于有经验的专家来说，阅读视网膜图像也是一项困难且耗时的任务。 自动视网膜图像分析的基本步骤是血管分割和动脉/静脉分类，它们提供有关潜在疾病的各种信息。 为了提高现有的视网膜图像分析自动化方法的性能，我们提出了两步血管分类。 我们采用基于 UNet 的模型 SeqNet 从背景中准确地分割血管并对血管类型进行预测。 我们的模型按顺序进行分割和分类，这减轻了标签分布偏差的问题并促进了训练。 模型 图 1 SeqNet 的网络架构。 用法 训练时，数据集应放置在./data/ALL ，遵循./utils/prepare_dataset.py定义的数据结构。 训练： python train.py 模型将保存在./trained_model/ ，结果将保存在./output/ 。 预言： python predict.py -i ./data/test_images/ -o ./output/ 预训练权重 这是一个用多个数据集训练的模型（DRIVE、LES-AV 和 HRF
【文件预览】：
SeqNet-master
----.gitignore(1KB)
----LICENSE(1KB)
----requirements-conda.txt(5KB)
----utils()
--------__init__.py(0B)
--------process_data_for_ALL_dataset.py(1KB)
--------crop_prediction.py(5KB)
--------define_model.py(23KB)
--------prepare_dataset.py(6KB)
--------data_augmentation.py(5KB)
----README.md(3KB)
----requirements-pip.txt(1KB)
----predict.py(5KB)
----pics()
--------raw.jpg(40KB)
--------correction.png(155KB)
--------seg.png(140KB)
--------structure.jpg(171KB)
--------cls.png(204KB)
----train.py(3KB)