2024-6-12-IXI(mat)应用到SR的代码解读

NANCYGOODENOUGH

于 2024-06-12 22:50:01 发布

阅读量322

点赞数 6

分类专栏： ~~~2024-06~~~ ~~~常用代码整理~~~ 文章标签：人工智能深度学习

本文链接：https://blog.csdn.net/qq_40723205/article/details/139638425

版权

~~~2024-06~~~ 同时被 2 个专栏收录

8 篇文章 0 订阅

订阅专栏

~~~常用代码整理~~~

6 篇文章 0 订阅

订阅专栏

本文介绍了如何将IXI(mat)数据应用于深度学习的SR任务，详细解析了Task Transformer Network（T2Net）的代码，该网络在MRI重建和超分辨率方面表现出色。首先从百度网盘下载并解压数据，然后将.h5格式转换为.mat格式，使用的工具是convertH5tomat.py脚本。此外，提供了T2Net的论文链接和GitHub代码库，该实现基于PyTorch Lightning框架。

摘要由CSDN通过智能技术生成

数据集

Download and decompress data from the link 百度网盘请输入提取码 Password: qrlt
Transform .h5 format to .mat format "python convertH5tomat.py --data_dir XXX/T2Net/h5

论文：Task Transformer Network for Joint MRI Reconstruction and Super-Resolution (MICCAI 2021)https://arxiv.org/pdf/2106.06742.pdf

代码链接：GitHub - chunmeifeng/T2Net: 【MICCAI 2021】Task Transformer Network for Joint MRI Reconstruction and Super-Resolution

使用的是pytorch lighting框架

    def train_dataloader(self):
        return self._create_data_loader(
            self.train_data_transform(), data_partition="train"
        )

    def _create_data_loader(self, data_transform, data_partition, sample_rate=None):

        print('create data loader...', data_partition)
        sample_rate = sample_rate or self.sample_rate
        dataset = IXIdataset(
            data_dir=os.path.join(self.data_path, data_partition),
            # data_dir=self.data_path,
            args=self.ixi_args,
            validtion_flag=data_partition is not 'train'
        )

        is_train = data_partition == "train"

        sampler = None
        if self.use_ddp:
            sampler = DistributedSampler(dataset)

        dataloader = DataLoader(
            dataset=dataset,
            batch_size=self.batch_size,
            num_workers=self.num_workers,
            pin_memory=False,
            drop_last=is_train,
            sampler=sampler,
        )

        return dataloader