《流形约束的半监督医学图像合成算法》的 Pytorch 实现+源代码+文档说明+数据+数据集+模型

# ViG-M3Net 《流形约束的半监督医学图像合成算法》的 Pytorch 实现。  ## 运行环境 1. Linux(ubuntu) 2. python=3.7.3 3. torch=1.7.1+cu92 4. tqdm=4.32.1 5. opencv-python=4.5.3.56 6. pyyaml=5.1.1 7. tensorboard=2.2.1 8. kornia=0.3.2 --- ## 运行示例 ### 项目结构 ```bash checkpoints // 预训练的模型 data // 数据集 gcn_lib // vig 相关依赖 Model // 模型的网络结构 results // 存放运行结果 trainer // test --log // 存放 tensorboard 的日志文件 Yaml // 模型运行的配置文件 test.py ``` ### 测试demo 1. 从[GoogleDrive](https://drive.google.com/file/d/1Ae8mor1Ptci8Ho4SW80B-nD7Iwr1rpuS/view?usp=share_link)下载预训练的 ViG-M$^3$Net ，放到 `checkpoints` 文件夹下； 2. 从[GoogleDrive](https://drive.google.com/drive/folders/1C6XNJSUw_1kR8fwYot47WlJTb08pFRu0?usp=share_link)下载测试数据，放到 `data` 文件夹下； 3. 以 IXI 数据集为例，更改 `Yaml/ViG-M3Net.yaml` 的配置： ```bash run_name: 'ViG-M3Net/IXI/batch-16/vig2-tcr' dataset: IXI val_dataroot: 'datasets/IXI/val' input_nc: 3 ``` ```bash python test.py ``` --- ## 致谢 ViG-M$^3$Net 的代码实现参考了 [MMNet](https://github.com/ElegantLee/MMNet)、[Vision GNN](https://github.com/huawei-noah/Efficient-AI-Backbones) 和 [Transformation Consistency Regularization](https://github.com/aamir-mustafa/Transformation-CR)。