weixin_47781460的博客

使用U-net进行医学图像分割并计算Dice系数，Jupyter Notebook 笔记本格式，分步骤介绍了从模型搭建到训练到预测的全过程，可逐步运行学习。代码附有详细中文注释，来源于本人学习总结，欢迎下载，共同学习！

将上一个发布的资源整理成了两个Jupyter Notebook 格式文件（AlexNet\ResNet各一个），更具可读性。欢迎下载学习！

1、 数据集：155张脑部肿瘤切片MRI图像与98张正常MRI图像，以9：1的比例划分训练集验证集 2、 代码通过3种不同深度学习神经网络（AlexNet/LeNet/ResNet）实现肿瘤图像的2分类（有无肿瘤）; ResNet部分采用迁移学习方法使用已有的模型，显著提高分类效果 3、 代码简洁易懂，上传时已测试保证全部能够跑通，可在该代码基础上改进并迁移到自己的数据中；注释详细，如训练文件中注明： """ 该文件用于训练模型（AlexNet/LeNet） 通过修改以下几处可切换两个网络的训练： 1、 #此处选择网络，可选LeNet或者AlexNet net = AlexNet(num_classes=2, init_weights=True) #net = LeNet(num_classes=2) 2、 #此处设置模型训练完成后的路径与名称 save_path = './AlexNet.pth' #save_path = './LeNe """ 本代码来源于本人学习过程当中测试总结，适合初学者入门；分享给大家，共同学习！