文件名称：dice系数matlab代码-cardiac-segmentation-keras:心脏分割难
文件大小：85KB
文件格式：ZIP
更新时间：2024-06-27 21:47:59
系统开源
骰子系数 matlab代码用于心脏分割的全卷积神经网络 arXiv 论文中对原始 Caffe FCN 模型的 Keras 重新实现。 小心复制原始论文中报告的结果，特别是表 2-4。 但是，此 Keras 实现与原始 Caffe 实现之间存在主要区别： Caffe 拥有“允许网络就地更改其输入大小”的方法。 这种方法对于定义可以处理具有可变形状的输入的全卷积网络非常有用。 某些 Keras 层（例如Cropping2D或Flatten ）需要形状信息，因此不适用于此类可变输入形状。 对于这个 Keras FCN 模型，我们将所有输入标准化为固定形状，然后在后处理期间将它们转换回原始形状。 Caffe FCN 模型可以处理任何可变的输入形状。 Caffe 实现使用交叉熵损失作为训练信号，而这个 Keras 实现使用 Dice 系数作为训练损失。 Caffe 实现使用的数据增强策略与 Keras 实现略有不同。 下表总结了每个数据集的数据增强和训练协议： 结果 以下是与论文中报告的原始 Caffe 结果相比的 Keras 结果： 对于所有度量，值越大越好，但距离度量（APD 和 Hausd
【文件预览】：
cardiac-segmentation-keras-master
----SAX_series.txt(778B)
----fcn_model.py(7KB)
----sunny*()
--------__init__.py(528B)
--------contour.py(2KB)
--------training.py(4KB)
----train_rvsc.py(6KB)
----create_submission_sunny*.sh(263B)
----gridnet_model.py(6KB)
----submit_lvsc.py(3KB)
----Dockerfile(450B)
----train_sunny*.py(888B)
----create_submission_lvsc.sh(187B)
----train_lvsc.py(8KB)
----submit_rvsc.py(3KB)
----helpers.py(4KB)
----rename_sunny*.py(974B)
----create_submission_rvsc.sh(290B)
----train.ipynb(113KB)
----docker-compose.yml(414B)
----.gitignore(220B)
----Makefile(53B)
----.dockerignore(61B)
----README.md(4KB)
----submit_sunny*.py(4KB)
----config.json(164B)
----unet.py(3KB)