【文件属性】：
文件名称：LungSegmentation:这是我在孟买IIT所做的关于胸部X射线图像的肺分割的研究项目
文件大小：22KB
文件格式：ZIP
更新时间：2024-05-21 13:42:25
fcn chest-xray-images unet semantic-segmentation fully-convolutional-networks
介绍
本报告介绍了SegNet和U-Net架构在医学图像分割中的用法。
我们将文章分为以下几部分
使用的损失函数
结果
参考
进一步的帮助
数据集
蒙哥马利数据集
数据集包含胸部X射线图像。 我们使用该数据集执行肺分割。
数据集可以在找到
结构：
我们对给定的数据集进行以下结构化：
数据预处理
数字
蒙哥马利数据集包含来自美国马里兰州蒙哥马利县卫生与公共服务部的图像。 数据集包括
138例CXR，包括80例正常患者和58例表现为结核病（TB）的患者。 CXR图像是尺寸为4020×4892或4892×4020的12位灰度图像。 为了使网络易于学习分割任务，仅将两个肺罩注解组合到单个图像中（图1）。要使所有对称尺寸的图像都填充到最大尺寸调整它们的高度或宽度，使图像的尺寸为4892 x 4892，以在调整大小时保留CXR的宽高比。 我们将所有图像缩放到1024 x 1024像素，这将保留
【文件预览】：
LungSegmentation-master
----metric_calc.py(5KB)
----Report.txt(319B)
----Report_Unet.txt(839B)
----train_model_segnet.py(10KB)
----train_model_Unet.py(10KB)
----gaussian_noise_and_flipping.py(2KB)
----preprocess_padding.py(862B)
----unet_parts.py(2KB)
----README.md(10KB)
----__pycache__()
--------build_model.cpython-35.pyc(4KB)
--------unet_parts.cpython-35.pyc(3KB)
--------data_loader.cpython-35.pyc(2KB)
----inferences.py(4KB)
----preprocess_combining.py(448B)
----data_loader.py(2KB)
----build_model.py(6KB)