文件名称：dice系数matlab代码-MRISegmentation:用于分割MRI图像异常的深度学习模型
文件大小：34.27MB
文件格式：ZIP
更新时间：2024-06-27 21:47:53
系统开源
骰子系数 matlab代码MRI分割 用于大脑异常分割的 U-Net 模型的实现. 有关原始源代码的更多信息，请查看作者编写的代码和代码。 数据集 用于训练该模型的数据集是 ，可在 Kaggle 上获得。 它包含来自 110 名患者的数据。 数据由大小为 256x256x3 的 MRI 切片和相应的二进制掩码 256x256 组成。 患者的最小和最大切片数分别为 20 和 88。 训练 该网络使用 105 名患者进行训练，其余 5 名用于验证。 数据增强包括 -20 到 20 度之间的旋转、水平和垂直翻转。 损失是使用 计算的。 该模型在 GPU 上进行了 85 次训练。 检索具有最佳验证损失的权重以进行验证预测。 结果 平均验证准确率约为 88%。 下面切片中的绿色分割代表真实情况，红色分割代表模型的预测。 安装 要安装依赖项，请运行以下命令： pip install -r requirements.txt 如果使用 Conda，您还可以创建具有以下要求的环境： conda env create -f environment.yml 默认情况下，环境名称为mri-segmentati
【文件预览】：
MRISegmentation-main
----.gitignore(35B)
----images()
--------prediction_TCGA_DU_8168_19970503.gif(1.16MB)
--------prediction_TCGA_FG_5962_20000626.gif(1.89MB)
--------prediction_TCGA_DU_8167_19970402.gif(1.28MB)
--------prediction_TCGA_DU_A5TP_19970614.gif(1.33MB)
--------prediction_TCGA_HT_7856_19950831.gif(1.16MB)
----requirements.txt(100B)
----LICENSE(1KB)
----notebooks()
--------visualize_prediction.ipynb(6KB)
----README.md(3KB)
----environment.yml(220B)
----mri_segmentation()
--------__init__.py(0B)
--------utils.py(5KB)
--------__main__.py(539B)
--------dataset.py(4KB)
--------weights()
--------model.py(5KB)