- 博客(0)
- 收藏
- 关注
【MRI图像分割】【代码+数据集+中文注释】医学图像分割,U-net,pytorch框架,可直接运行
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!
2023-10-19
【MRI脑肿瘤】【代码+数据集+中文注释】医学图像分类,pytorch,Jupyter Notebook 格式可直接运行
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!
2023-10-19
【MRI脑肿瘤】【代码+数据集+中文注释】医学图像分类,使用3种深度学习网络,pytorch框架
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!
2023-05-10
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人