文件名称：VS_Seg:MONAI（PyTorch）自动分割前庭神经鞘瘤
文件大小：881KB
文件格式：ZIP
更新时间：2024-04-04 19:13:09
deep-learning pytorch medical-image-segmentation monai Python
使用深度学习自动进行前庭神经鞘瘤分割 该存储库基于以下论文提供了用于在3D T1或T2图像上分割前庭神经鞘瘤的脚本： Wang，G。等。 通过深度空间注意力与硬度加权损失从T2加权MRI自动分割前庭神经鞘瘤，MICCAI，第264-272页，2019。 Shapey，J。等人。 通过对比增强的T1加权和高分辨率T2加权MRI自动分割和量化前庭神经鞘瘤的人工智能框架。 Journal of Neurosurgery，1（aop），第1-9页。 TCIA数据集 这些出版物中描述的数据集可在The Cancer Imaging Archive（TCIA）中公开获得： Shapey，J.，Kujawa，A.，Dorent，R.，Wang，G.，Bisdas，S.，Dimitriadis，A.，Grishchuck，D.，Paddick，I.，Kitchen，N.，Bradford，R.， S
【文件预览】：
VS_Seg-master
----figures()
--------folder_structure.png(63KB)
--------model_sketch.png(833KB)
----requirements.txt(140B)
----LICENSE(11KB)
----README.md(7KB)
----params()
--------split_debug.csv(106B)
--------losses()
--------VSparams.py(29KB)
--------networks()
--------split_TCIA.csv(4KB)
----.gitignore(15B)
----preprocessing()
--------figures()
--------data_conversion.py(23KB)
--------README.md(5KB)
--------TCIA_data_convert_into_convenient_folder_structure.py(6KB)
----VS_train.py(1KB)
----VS_inference.py(960B)
----vs_pipeline.sh(269B)