- 博客(2)
- 收藏
- 关注
RSS订阅原创 MICCAI 2020/JUN MA 直方图匹配增强域自适应技术-源码
MICCAI 2020/JUN MA 直方图匹配增强域自适应技术 主要问题： 多中心、多来源、多疾病 多中心（为一个共同目标合作、遵守共同试验程序和规则的多个独立医疗机构或组织） 测试案例来自不同的领域(例如，新的磁共振扫描仪、临床中心)，性能将会降。 解决方法 提出了一种直方图匹配(HM)数据增强方法来消除域间隙。 具体来说，通过使用HM将测试用例的强度分布转移到现有的训练用例来生成新的训练用例。 该方法非常简单，可以在许多分割任务中以即插即用的方式使用。 主要目标 目标是通过将目标数据集的
2021-08-27 17:21:24
487
原创 2021-05-05
U-Net 框架图： keras框架的模型 model.py import numpy as np import os import skimage.io as io import skimage.transform as trans import numpy as np from keras.models import * from keras.layers import * from keras.optimizers import * from keras.callbacks import ModelC
2021-05-05 16:43:53
65
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人