Unet Segmentation Pytorch Nest of Unets Download - Unet Segmentation Pytorch Nest of Unets Quellcode Download

Unet Segmentation Pytorch Nest of Unets

Python

1.0.0

Herunterladen

Unet-Segmentation-Pytorch-Nest-of-of-Unets

Implementierung verschiedener Arten von UNET -Modellen für die Bildsegmentierung

UNET - U -NET: Faltungsnetzwerke für biomedizinische Bildsegmentierung https://arxiv.org/abs/1505.04597
RCNN-UNET -RESAUTIERUNG VON RESAULE FALLE NEURALNELNELD BATTE AUF UNTER (R2U-NET) für die medizinische Bildsegmentierung https://arxiv.org/abs/1802.06955
Achtung Unet - Achtung U -NET: Lernen Sie, wo Sie nach der Bauchspeicheldrüse suchen können https://arxiv.org/abs/1804.03999
Rcnn-attierung unet -Achtung R2U-NET: Nur Integration von zwei aktuellen fortschrittlichen Werken (R2U-NET + Achtung U-NET)

Verschachtelte Unet - UNET ++: Eine verschachtelte U -NET -Architektur für medizinische Bildsegmentierung https://arxiv.org/abs/1807.10165

Mit Schichtvisualisierung

1. Erste Schritte

Klonen Sie das Repo:

git clone https://github.com/bigmb/Unet-Segmentation-Pytorch-Nest-of-Unets.git

2. Anforderungen

 python>=3.6
torch>=0.4.0
torchvision
torchsummary
tensorboardx
natsort
numpy
pillow
scipy
scikit-image
sklearn

Installieren Sie alle abhängigen Bibliotheken:

pip install -r requirements.txt

3. Führen Sie die Datei aus

Fügen Sie alle Ihre Ordner dieser Zeile 106-113 hinzu

 t_data = '' # Input data
l_data = '' #Input Label
test_image = '' #Image to be predicted while training
test_label = '' #Label of the prediction Image
test_folderP = '' #Test folder Image
test_folderL = '' #Test folder Label for calculating the Dice score

4. Arten von Unet

Unet unet1

Rcnn unet R2Unet

Aufmerksamkeit unet Att-Unet

Achtung ATT-R2U

Verschachtelte unet

verschachtelt

5. Visualisierung

Um den Verlust zu zeichnen, wäre Visom erforderlich. Der Code ist bereits geschrieben, nur den erforderlichen Teil überzutragen. Gradientenfluss kann auch verwendet werden. Entnommen von (https://discuss.pytorch.org/t/check-gradient-flow-in-network/15063/10)

Es wird ein Modellordner erstellt und alle Daten werden darin gespeichert. Die letzte Ebene wird im Modellordner gespeichert. Wenn eine bestimmte Schicht erforderlich ist, erwähnen Sie sie in der Zeile 361.

Schichtvisulisierung

Filtervisulisierung

Filt1

Tensorboardx muss noch einige Parameter optimieren, um eine Visualisierung zu erhalten. Ich habe diesen Versuch durcheinander gebracht, Pytorch 1.1.0 direkt mit Tensorboard zu machen (und dann zu erkennen, dass es derzeit nichts anderes unterstützt, außer lineare Graphen).

Eingabebildvisulisierung zur Überprüfung

a) Originalbild

b) Centercrop -Bild

6. Ergebnisse

Würfelbewertung für Hippocampus-Segmentierung ADNI-LONI-Datensatz

7. Zitat

Wenn Sie es für Ihre Arbeit nützlich finden.

 @article{DBLP:journals/corr/abs-1906-07160,
  author    = {Malav Bateriwala and
               Pierrick Bourgeat},
  title     = {Enforcing temporal consistency in Deep Learning segmentation of brain
               {MR} images},
  journal   = {CoRR},
  volume    = {abs/1906.07160},
  year      = {2019},
  url       = {http://arxiv.org/abs/1906.07160},
  archivePrefix = {arXiv},
  eprint    = {1906.07160},
  timestamp = {Mon, 24 Jun 2019 17:28:45 +0200},
  biburl    = {https://dblp.org/rec/bib/journals/corr/abs-1906-07160},
  bibsource = {dblp computer science bibliography, https://dblp.org}
}