医疗图像分割
文章平均质量分 95
justld
努力努力再努力
展开
-
【医疗图像分割】UNETR++论文笔记及代码跑通实践
在医疗图像分割任务中,transformer模型获得了巨大的成功,UNETR提出了efficient paired attention (EPA) 模块,利用了空间和通道注意力来有效地学习通道和空间的特征,该模型在Synapse,BTCV,ACDC,BRaTs数据集上都获得了很好地效果。原创 2024-07-29 12:51:53 · 721 阅读 · 1 评论 -
【nnUNetv2进阶】三、nnUNetv2 自定义网络-发paper必会
对于很多朋友来说,找到nnunet的网络结构位置的代码可能比较困难,因为nnunet的网络结构从else:代码中没有网络结构的类名,那么使用的网络是哪个呢?打开预处理后的数据集中的nnUNetPlans.json文件,如下图,configurations里面有2d、3d_fullres等,这些表示nnunet的模型,下面的network_class_name指的就是训练使用的模型结构,一般都是PlainConvUNet。原创 2024-04-13 12:44:12 · 3553 阅读 · 11 评论 -
【nnUNetv2实践】二、nnUNetv2快速入门-训练验证推理集成一条龙教程
nnUNet是一个自适应的深度学习框架,专为医学图像分割任务设计。以下是关于nnUNet的详细解释和特点:自适应框架:nnUNet能够根据具体的医学图像分割任务自动调整模型结构、训练参数等,从而避免了繁琐的手工调参过程。自动化流程:nnUNet包含了从数据预处理到模型训练、验证及测试的全流程自动化工具,大大简化了使用深度学习进行医学图像分割的复杂度。自适应网络结构调整:根据输入数据集的特点,nnUNet能够自动选择和配置合适的网络深度、宽度等超参数,确保模型在复杂性和性能之间取得平衡。原创 2024-04-08 14:01:45 · 6062 阅读 · 49 评论 -
【nnUNetv2实践】一、nnUNetv2安装
nnUNet是一个自适应的深度学习框架,专为医学图像分割任务设计。此外,nnUNet还提供了丰富的文档和示例,帮助用户更好地了解和使用该框架。要使用nnUNet,用户需要安装Python和相应的深度学习框架,然后按照官方文档提供的步骤进行操作即可。总的来说,nnUNet是一个功能强大、易于使用的深度学习框架,特别适用于医学图像分割任务。它的自适应特性、自动化流程和先进的训练策略使得用户能够更高效地构建和训练模型,同时获得更好的性能表现。本文介绍nnunetv2的安装方法。原创 2024-03-18 13:08:17 · 4607 阅读 · 22 评论