ITK 是一个庞大的系统，因此本书不可能完全介绍所有的ITK 对象和方法。本书
将尽最大能力指导你了解重要的系统概念，并尽快尽好地指导你学习。ITK 是一个开放源码
的软件系统，这就意味着ITK 用户和开发团体可以方便地对软件进行软件的开发和改进
2021-09-17 10:36:52
7.3MB
1
医学图像分割的半监督学习。
近来，半监督图像分割已成为医学图像计算中的热门话题，不幸的是，由于隐私策略等原因，只有少数开源代码和数据集。为了便于评估和公平比较，我们正在尝试建立一个半监督医学图像分割基准，以促进医学影像计算社区中的半监督学习研究。如果您有兴趣，可以随时将实现或想法推送到此存储库。
该项目最初是为我们以前的工作开发的，如果您发现对您的研究有用，请考虑引用以下内容：
@article{luo2020urpc,
title={Efficient Semi-supervised Gross Target Volume of Nasopharyngeal Carcinoma Segmentation via Uncertainty Rectified Pyramid Consistency},
author={Luo, Xiangde and Liao, Wen
2021-09-07 15:10:50
114KB
1
双任务一致性
本文的代码：通过双任务一致性进行半监督医学图像分割（ ）
@article{luo2021semi,
title={Semi-Supervised Medical Image Segmentation through Dual-task Consistency},
author={Luo, Xiangde and Chen, Jieneng and Song, Tao and Wang, Guotai},
journal={AAAI Conference on Artificial Intelligence},
year={2021}
}
要求
一些重要的必需软件包包括：
版本> = 0.4.1。
TensorBoardX
的Python == 3.6
一些基本的python软件包，例如Numpy，Scikit-image，SimpleITK，S
2021-09-07 14:29:05
100.02MB
1
3D U-Net卷积神经网络
背景
我们设计3DUnetCNN使其易于应用和控制各种深度学习模型对医学成像数据的训练和应用。 上面的链接提供了有关如何将本项目与来自MICCAI各种挑战的数据一起使用的示例/教程。
依存关系
火炬
Nilearn
大熊猫
凯拉斯
有问题吗？
加入或给我发电子邮件 。
引文
Ellis DG，Aizenberg MR（2021年），尝试使用开源深度学习框架对胶质瘤进行分割的U-Net培训修改。 在：Crimi A.，Bakas S.（eds）脑损伤：脑胶质瘤，多发性硬化症，中风和脑外伤。 《 BrainLes 2020》。计算机科学讲座，第12659卷。ChamSpringer。 https://doi.org/10.1007/978-3-030-72087-2_4
其他引用
Ellis DG，Aizenberg MR（2020）使用通过注册增强的深度
2021-08-20 23:45:34
14MB
1