分享一位52CV粉丝Ellis开发的基于PyTorch的专注于医学图像分割的开源库,其支持模型丰富,方便易用。其可算为torchio的一个实例,作者将其综合起来,包含众多经典算法,实用性比较强。
地址在这里:
https://github.com/MontaEllis/Pytorch-Medical-Segmentation
该库特点:
支持2D和3D医学图像分割,可以修改hparam.py文件来确定是2D分割还是3D分割以及是否可以进行多分类。
支持绝大数主流分割模型,几乎提供了所有的2D和3D分割的算法。
兼容几乎所有的医学数据格式(例如 nii.gz, nii, mhd, nrrd, ...),修改hparam.py的fold_arch即可。
作者提供了训练和测试推断的代码,简单配置后训练和推断都仅需要一行命令。
已包含的分割模型:
2D
unet
unet++
miniseg
segnet
pspnet
highresnet(copy from https://github.com/fepegar/highresnet, Thank you to fepegar for your generosity!)
deeplab
fcn
3D
unet3d
densevoxelnet3d
fcn3d
vnet3d
highresnert(copy from https://github.com/fepegar/highresnet, Thank you to fepegar for your generosity!)
densenet3d
作者欢迎大家提意见和建议~
作者就在我们的医学影像交流群里,也欢迎大家加群交流。
备注:医学影像
医学影像处理识别交流群
医学影像CT、MRI、X光处理、分类、检测、分割等技术,
若已为CV君其他账号好友请直接私信。
我爱计算机视觉
微信号:aicvml
QQ群:805388940
微博知乎:@我爱计算机视觉
投稿:amos@52cv.net
网站:www.52cv.net
在看,让更多人看到