深度学习
文章平均质量分 72
深度学习
OWN CODE WORLD
OWN CODE WORLD IS CRAEY!
展开
-
【一、整理-加上数据图片】MT-Unet模型的复现使用【个人记录学习】
找MT-UNet-main代码----GitHub一、复现MT-UNet思路:先复现MT-UNet-main,再用我们的数据集跑 代码中有ACDC dataset数据,但我们要跑Synapse dataset. 找dataset数据:根据作者提示去TransUnet.项目中寻找。 TransUnet作者提供了两种方法:发邮件,联系作者,要已经处理好的Synapse dataset.数据集,但是作者至今未回复,GitHub项目issues里面,其他的研究人员也未能联系到作者获取到数据集。...原创 2022-03-19 16:52:30 · 4648 阅读 · 33 评论 -
【零】连接远程Linux服务器,跑pytorch程序
连接远程Linux服务器,跑pytorch程序原创 2022-01-02 17:07:41 · 2965 阅读 · 1 评论 -
【置顶】资源分享【更新2024.3.12】
1.MT-Unet 腹部数据集的下载和预处理脚本(Github一位大佬提供,数据预处理部分根据自己需要稍微修改后, 亲测 可用,方便训练自己想用的数据集)「TransUNet-dataset-preprocessing」https://www.aliyundrive.com/s/5dM9HscuWzP 提取码: 07ba 点击链接保存,或者复制本段内容,打开「阿里云盘」APP ,无需下载极速在线查看,视频原画倍速播放。2.MT-Unet 腹部数据集(从作者处获得)「project_TransUN原创 2022-04-03 10:54:01 · 22790 阅读 · 35 评论 -
基于深度学习的医学图像-小知识记录【学习记录】
基于深度学习的医学图像-小知识记录【学习记录】X-ray观察骨骼更清晰,CT反应出血和组织,MRI观察软组织医学图像的像素值范围与自然图像(0~255)有很大差别卷积的目的:卷积在图像中的目的就是为了提取特征,我认为这就是深度学习的核心,因为有了卷积层,才避免了我们来手动提取图像的特征,让卷积层自动提取图像的高维度且有效的特征,虽然这没有手动提取特征比如Canny边缘,SIFT,HOG等的强大数学理论基础的支撑,但是卷积层提取的特征让最终的分类、识别结果往往非常的好。比如LeNet-5模型能在MNI原创 2022-05-02 10:36:30 · 1730 阅读 · 0 评论 -
【二、整理--加上数据图片】MT-Unet模型训练自己的冠脉数据集【个人记录学习】
二、使用我们自己的数据集11. 从此开始,尝试带入我们自己的数据集进行训练和测试。(Q3,项目中虽然输入的5125123的数据,但是会裁剪成2442443的,看GitHub上的issues里面,有人询问过作者这个问题,作者回复大概意思是,如果想要自适应图片尺寸,除了要改变输入图片的尺寸大小,或许还需要更改网络。作者并没有给明确的答复。因此先抛开数据的尺寸问题,先将我们的数据可以扔进去,尺寸问题后面再进行研究)12. 我们的数据train和test都是png格式的,而项目需要的原始数据是(img.nii.原创 2022-03-19 17:01:46 · 7106 阅读 · 14 评论 -
【三、对问题进行了解决】MT-Unet模型重新训练腹部和冠脉数据集【个人记录学习】
MT-Unet模型重新训练腹部和冠脉数据集原创 2022-03-28 10:57:39 · 2616 阅读 · 30 评论