[train hyper-parameters: Namespace(base_size=500, batch_size=8, crop_size=480, epochs=10, lr=0.01, lrf=0.001)]
[epoch: 1]
global correct: 0.9555
precision: ['0.9846', '0.7384', '0.0000']
recall: ['0.9705', '0.8759', '0.0000']
IoU: ['0.9560', '0.6685', '0.0000']
mean IoU: 0.5415
[epoch: 2]
global correct: 0.9525
precision: ['0.9934', '0.6927', '0.0000']
recall: ['0.9592', '0.9473', '0.0000']
IoU: ['0.9531', '0.6670', '0.0000']
mean IoU: 0.5400
[epoch: 3]
global correct: 0.9715
precision: ['0.9885', '0.8323', '0.0000']
recall: ['0.9842', '0.9137', '0.0000']
IoU: ['0.9730', '0.7716', '0.0000']
mean IoU: 0.5816
[epoch: 4]
global correct: 0.9769
precision: ['0.9941', '0.8420', '0.0000']
recall: ['0.9858', '0.9541', '0.0000']
IoU: ['0.9800', '0.8092', '0.0000']
mean IoU: 0.5964
[epoch: 5]
global correct: 0.9822
precision: ['0.9926', '0.9008', '0.7736']
recall: ['0.9903', '0.9355', '0.5310']
IoU: ['0.9831', '0.8481', '0.4596']
mean IoU: 0.7636
[epoch: 6]
global correct: 0.9800
precision: ['0.9951', '0.8662', '0.7146']
recall: ['0.9860', '0.9567', '0.4484']
IoU: ['0.9812', '0.8335', '0.3803']
mean IoU: 0.7317
[epoch: 7]
global correct: 0.9836
precision: ['0.9888', '0.9389', '0.8609']
recall: ['0.9956', '0.9078', '0.4291']
IoU: ['0.9845', '0.8572', '0.4013']
mean IoU: 0.7477
[epoch: 8]
global correct: 0.9864
precision: ['0.9949', '0.9236', '0.7633']
recall: ['0.9922', '0.9499', '0.7055']
IoU: ['0.9872', '0.8807', '0.5789']
mean IoU: 0.8156
[epoch: 9]
global correct: 0.9881
precision: ['0.9946', '0.9377', '0.8382']
recall: ['0.9942', '0.9498', '0.7000']
IoU: ['0.9889', '0.8934', '0.6167']
mean IoU: 0.8330
[epoch: 10]
global correct: 0.9886
precision: ['0.9950', '0.9392', '0.8320']
recall: ['0.9942', '0.9535', '0.7187']
IoU: ['0.9893', '0.8981', '0.6276']
mean IoU: 0.8383
没有合适的资源?快使用搜索试试~ 我知道了~
基于Unet 对肝肿瘤分割(LITS)切片的分割项目【包含数据集、完整代码、训练的结果文件】
共2000个文件
png:1983个
py:8个
xml:5个
1.该资源内容由用户上传,如若侵权请联系客服进行举报
2.虚拟产品一经售出概不退款(资源遇到问题,请及时私信上传者)
2.虚拟产品一经售出概不退款(资源遇到问题,请及时私信上传者)
版权申诉
0 下载量 139 浏览量
2024-05-26
19:10:54
上传
评论
收藏 680.5MB 7Z 举报
温馨提示
本项目数据集:LITS肝肿瘤轴位面(横端面)分割【mask中1为肝、2为肿瘤 、0为背景】 网络仅仅训练了10个epochs,全局像素点的准确度达到0.988,miou为0.838,训练epoch加大的话,性能还会更加优越 代码介绍:【参考文章:https://blog.csdn.net/qq_44886601/article/details/136047740】 【训练】train 脚本会自动训练,代码会自动将数据随机缩放为设定尺寸的0.5-1.5倍之间,实现多尺度训练。为了实现多分割项目,utils中的compute_gray函数会将mask灰度值保存在txt文本,并且自动为unet网络定义输出的channel 【介绍】学习率采用cos衰减,训练集和测试集的损失和iou曲线可以在run_results文件内查看,图像由matplotlib库绘制。除此外,还保存了训练日志,最好权重等,在训练日志可以看到每个类别的iou、recall、precision以及全局像素点的准确率等等 具体参考README文件
资源推荐
资源详情
资源评论
收起资源包目录
基于Unet 对肝肿瘤分割(LITS)切片的分割项目【包含数据集、完整代码、训练的结果文件】 (2000个子文件)
volume-108.nii_528.png 5KB
volume-108.nii_523.png 4KB
volume-108.nii_532.png 4KB
volume-108.nii_522.png 4KB
volume-108.nii_525.png 4KB
volume-108.nii_530.png 4KB
volume-108.nii_536.png 4KB
volume-108.nii_512.png 4KB
volume-108.nii_545.png 4KB
volume-108.nii_511.png 4KB
volume-108.nii_540.png 4KB
volume-108.nii_553.png 4KB
volume-108.nii_510.png 4KB
volume-108.nii_541.png 4KB
volume-108.nii_501.png 4KB
volume-108.nii_557.png 4KB
volume-117.nii_456.png 4KB
volume-97.nii_577.png 3KB
volume-108.nii_482.png 3KB
volume-108.nii_564.png 3KB
volume-108.nii_560.png 3KB
volume-97.nii_558.png 3KB
volume-117.nii_454.png 3KB
volume-97.nii_578.png 3KB
volume-97.nii_576.png 3KB
volume-4.nii_469.png 3KB
volume-108.nii_483.png 3KB
volume-129.nii_180.png 3KB
volume-97.nii_574.png 3KB
volume-117.nii_465.png 3KB
volume-97.nii_573.png 3KB
volume-108.nii_566.png 3KB
volume-129.nii_136.png 3KB
volume-33.nii_101.png 3KB
volume-117.nii_448.png 3KB
volume-4.nii_470.png 3KB
volume-97.nii_581.png 3KB
volume-33.nii_108.png 3KB
volume-97.nii_583.png 3KB
volume-129.nii_182.png 3KB
volume-129.nii_142.png 3KB
volume-129.nii_176.png 3KB
volume-108.nii_478.png 3KB
volume-33.nii_105.png 3KB
volume-117.nii_466.png 3KB
volume-129.nii_179.png 3KB
volume-117.nii_474.png 3KB
volume-129.nii_177.png 3KB
volume-108.nii_491.png 3KB
volume-97.nii_567.png 3KB
volume-129.nii_154.png 3KB
volume-33.nii_103.png 3KB
volume-33.nii_106.png 3KB
volume-129.nii_161.png 3KB
volume-108.nii_569.png 3KB
volume-117.nii_475.png 3KB
volume-129.nii_156.png 3KB
volume-97.nii_584.png 3KB
volume-4.nii_478.png 3KB
volume-129.nii_134.png 3KB
volume-84.nii_548.png 3KB
volume-84.nii_549.png 3KB
volume-84.nii_540.png 3KB
volume-33.nii_95.png 3KB
volume-84.nii_543.png 3KB
volume-4.nii_481.png 3KB
volume-108.nii_473.png 3KB
volume-117.nii_441.png 3KB
volume-97.nii_546.png 3KB
volume-84.nii_538.png 3KB
volume-4.nii_483.png 3KB
volume-4.nii_454.png 3KB
volume-129.nii_196.png 3KB
volume-97.nii_536.png 3KB
volume-97.nii_595.png 3KB
volume-4.nii_453.png 3KB
volume-117.nii_422.png 3KB
volume-97.nii_592.png 3KB
volume-97.nii_535.png 3KB
volume-117.nii_480.png 3KB
volume-117.nii_479.png 3KB
volume-108.nii_463.png 3KB
volume-101.nii_513.png 3KB
volume-4.nii_484.png 3KB
volume-101.nii_514.png 3KB
volume-84.nii_555.png 3KB
volume-101.nii_512.png 3KB
volume-97.nii_599.png 3KB
volume-108.nii_578.png 3KB
volume-101.nii_520.png 3KB
volume-84.nii_558.png 3KB
volume-84.nii_559.png 3KB
volume-108.nii_466.png 3KB
volume-101.nii_494.png 3KB
volume-129.nii_125.png 3KB
volume-108.nii_581.png 3KB
volume-129.nii_225.png 3KB
volume-97.nii_533.png 3KB
volume-84.nii_560.png 3KB
volume-129.nii_222.png 3KB
共 2000 条
- 1
- 2
- 3
- 4
- 5
- 6
- 20
资源评论
Ai医学图像分割
- 粉丝: 2w+
- 资源: 2122
上传资源 快速赚钱
- 我的内容管理 展开
- 我的资源 快来上传第一个资源
- 我的收益 登录查看自己的收益
- 我的积分 登录查看自己的积分
- 我的C币 登录后查看C币余额
- 我的收藏
- 我的下载
- 下载帮助
最新资源
资源上传下载、课程学习等过程中有任何疑问或建议,欢迎提出宝贵意见哦~我们会及时处理!
点击此处反馈
安全验证
文档复制为VIP权益,开通VIP直接复制
信息提交成功