MC-Net: 半监督医学图像分割的互一致性学习
项目基础介绍和主要编程语言
MC-Net 是一个开源项目,专注于半监督医学图像分割。该项目的主要编程语言是 Python,并且基于 PyTorch 1.8.0 和 CUDA 11.2 进行开发。所有实验均在单个 NVIDIA Tesla V100 GPU 上进行。
项目核心功能
MC-Net 的核心功能是通过互一致性学习(Mutual Consistency Learning)来提高半监督医学图像分割的性能。该项目提供了一个名为 MC-Net+ 的模型,该模型在多个医学图像数据集上表现出色,特别是在左心房分割、胰腺 CT 和 ACDC 数据集上。
项目最近更新的功能
- 预训练模型提供:2022年4月18日,项目提供了在 LA、Pancreas-CT 和 ACDC 数据集上的预训练模型,用户可以在
/MC-Net/pretrained_pth/
目录下找到这些模型。 - 代码发布:2022年4月16日,项目发布了完整的代码库,包括用于训练和测试的脚本。用户可以通过
git clone https://github.com/ycwu1997/MC-Net.git
命令克隆项目。 - 模型版本更新:项目提供了多个版本的模型,包括
mcnet2d_v1
、mcnet3d_v1
和mcnet3d_v2
,其中mcnet3d_v2
对应于 MC-Net+ 模型。
通过这些更新,MC-Net 项目为用户提供了更便捷的使用体验和更强大的功能支持,进一步推动了半监督医学图像分割领域的发展。