3D-SKIPDENSESEG医学图像分割
蓝色三角、黄色三角、红色三角相对应。
得到第三个feature map,绿色反卷积会恢复到原来的尺寸
Dense block,通道增加了
Transition,池化
用正则表达式把里面的h5文件匹配一下吧
os.path.join()把两个部分的路径拼一下
root_path —data_train
*.h5,不管名字是什么,只要后缀是h5,就把它匹配一下
glob,遍历所有.h5文件
得到data_train里面的八个subject
mode,数据集处理的是训练集or测试集or验证集,用一个标志位键区别一下。传进来的是train,就知道对training dataset进行一个处理
数据扩充,尽量保持原始数据
前提是训练数据,验证集不能扩充,验证集扩充,准确率就没有意义了
有可能传进来的,是对测试集和验证集处理
知道长度了,给我一个索引,返回一个训练样本
要转成64 * 64 * 64固定大小的patch
得到这样的数据
需要64 64 64,还需要什么,还需要一个batch_size,batch_size个patch,去掉一个维度
去掉第二个维度,其余不变
为什么记录长宽高,我们要从不固定大小的脑图像中裁patch
裁的开始位置是有讲究的
T1和T2两个特征,data_x不需要去维度了
cx是C的起始位置,cy是H的起始位置,cz是W的起始位置。0,1,2维度
为什么要随机裁,不从0开始
每一轮迭代的过程中,都希望从样本中取一个数据,每次从样本里取一个patch,如果每次从0开始取的话,就不能遍历脑图像的所有区域了。所以通过随机值的方式随机地取一个patch,如果训练轮数足够多的话,理论上是可以把闹图像的所有区域遍历到。
裁的开始位置是cx,结束位置,这个维度的
不直接传一个数字,往往我们需要64 48 32,所以体现这样写的用意了
为什么是0,限制返回的结果是一个,一条索引返回一个数据
batch_size的维度一定要相同,
验证集取中心位置,每一个iteration都是这个位置,验证集才有价值。如果每轮patch都在变的话,验证就失去价值了
模块注册
Sequential、ModuleList 自动注册
add_module 手动注册
调用父类的forward函数,就可以把这个流程跑一遍,是因为我们已经手动地把这些模块自动注册了
遍历每一个模块,如果是卷积操作的话,用正态分布这种初始化方式
为什么用ModuleList,它的索引是可以利用上的,第一轮循环的时候,i = 0的时候,放到upsampling list就是第一个元素,i = 1的时候,第二个元素,非常方便,通过它的索引去取,并且,取到的时候可以还原kernel_size的大小
通道从2到32
3D-SKIPDENSESEG医学图像分割相关推荐
- 三维重建 阈值分割 3D可视化 医学图像分割 CT图像分割及重建系统 可视化编程技术及应用
一. 概述 此系统实现了常见的VTK四视图,实现了很好的CT图像分割,可以用于骨骼,头部,肺部,脂肪等分割,,并且通过三维重建实现可视化.使用了第三方库 VTK,ITK 实现分割和生不重建. 窗口分为 ...
- 医学图像分割之MedNeXt
论文:MedNeXt: Transformer-driven Scaling of ConvNets for Medical Image Segmentation ConvNeXt网络是一种借鉴Tra ...
- DeepMedic —— 一种经典的医学图像分割的3D CNN框架
版权声明:本文为博主原创文章,遵循 CC 4.0 BY-SA 版权协议,转载请附上原文出处链接和本声明. 本文链接:https://blog.csdn.net/JYZhang_CVML/article ...
- 半监督3D医学图像分割(三):URPC
Efficient Semi-supervised Gross Target Volume of Nasopharyngeal Carcinoma Segmentation via Uncertain ...
- 深度学习实战(十):使用 PyTorch 进行 3D 医学图像分割
深度学习实战(十):使用 PyTorch 进行 3D 医学图像分割 1. 项目简介 2. 3D医学图像分割的需求 3. 医学图像和MRI 4. 三维医学图像表示 5. 3D-Unet模型 5.1损失函 ...
- (新SOTA)UNETR++:轻量级的、高效、准确的共享权重的3D医学图像分割
(新SOTA)UNETR++:轻量级的.高效.准确的共享权重的3D医学图像分割 0 Abstract 由于Transformer模型的成功,最近的工作研究了它们在3D医学分割任务中的适用性.在Tran ...
- 半监督3D医学图像分割(四):SASSNet
形状感知半监督医学图像分割 Shape-aware Semi-supervised 3D Semantic Segmentation for Medical Images 研究背景 随着人工智能技术在 ...
- 医学图像分割 3D nnUNet全流程快速实现
前言 nnUNet作为医学图像分割的各项SOTA实现的基础框架,基本是所有医学图像分割的研究者需要掌握的方法.作为一个集成的框架,nnUNet基本上只需将个人的数据集处理成nnUNet所需要的格式即可 ...
- 用NVIDIA Tensor Cores和TensorFlow 2加速医学图像分割
用NVIDIA Tensor Cores和TensorFlow 2加速医学图像分割 Accelerating Medical Image Segmentation with NVIDIA Tensor ...
- Unet神经网络为什么会在医学图像分割表现好?
点击上方"小白学视觉",选择加"星标"或"置顶" 重磅干货,第一时间送达 问题:Unet神经网络为什么会在医学图像分割表现好? https: ...
最新文章
- 深入浅出PHP(Exploring PHP)
- MySQL—03—MySQL的查询
- [总结] 网络流经典建模
- 计算机网络 谢希仁 课后习题部分答案
- set 和 vector的简单比较
- Mongodb 忘记密码
- 用stack实现括号匹配
- 黑链 明链 暗链 简介
- Windows系统设置双网卡同时上内外网
- Atitit r2017 r4 doc list on home ntpc.docx 驱动器 D 中的卷是 p2soft 卷的序列号是 9AD0-D3C8 D:\ati ext\r2017
- [项目源码]ERP进销存系统
- Visual Studio 2015 中文社区版下载
- Win10设置屏保时间
- int类型的整数能够表示的最大数字
- 按钮按下时立体感效果
- 电脑上打印准考证照片不清楚咋办
- 2022-2027年中国农村小额贷款行业市场调研及未来发展趋势预测报告
- 将JSON数组转化为List集合
- Kolmogorov-Smirnov检验
- 抢先体验快车海量资源搜索
热门文章
- 【基础强训】day4
- 50名工程师支撑着一个10亿用户量的产品:成功因素之一是几乎不开会
- 用纸筒做机器人_怎样用纸盒做机器人
- Android开发经验谈-很少有人会告诉你的Android开发基本常识
- 度金互联网金融社区:P2P网贷资金必须托管 监管脚步渐响
- 页面可用性之浏览器默认字体与CSS中文字体
- VMware虚拟机使用无线网络
- 使用HTML5和CSS3实现运动,九.HTML5和CSS3提高
- [WARNING] No archetype found in remote catalog. Defaulting to internal catalog(已解决)
- oracle写excel文件,ORACLE-将oracle数据库中数据写入excel文件