没有合适的资源?快使用搜索试试~ 我知道了~
dice系数matlab代码-cardiac_ucla:heart_ucla
共29个文件
py:11个
h5:6个
png:6个
需积分: 33 4 下载量 46 浏览量
2021-06-08
04:01:03
上传
评论
收藏 230.55MB ZIP 举报
温馨提示
骰子系数 matlab代码<<<<<<< 头 用于心脏分割的全卷积神经网络 arXiv 论文中对原始 Caffe FCN 模型的 Keras 重新实现。 小心复制原始论文中报告的结果,特别是表 2-4。 但是,此 Keras 实现与原始 Caffe 实现之间存在主要区别: Caffe 拥有“允许网络就地更改其输入大小”的方法。 这种方法对于定义可以处理具有可变形状的输入的全卷积网络非常有用。 某些 Keras 层(例如Cropping2D或Flatten )需要形状信息,因此不适用于此类可变输入形状。 对于这个 Keras FCN 模型,我们将所有输入标准化为固定形状,然后在后处理期间将它们转换回原始形状。 Caffe FCN 模型可以处理任何可变的输入形状。 Caffe 实现使用交叉熵损失作为训练信号,而这个 Keras 实现使用 Dice 系数作为训练损失。 Caffe 实现使用的数据增强策略与 Keras 实现略有不同。 下表总结了每个数据集的数据增强和训练协议: 结果 以下是与论文中报告的原始 Caffe 结果相比的 Keras 结果: 对于所有度量,值越大越好,但距离度量(A
资源推荐
资源详情
资源评论
收起资源包目录
cardiac_ucla-master.zip (29个子文件)
cardiac_ucla-master
train_rvsc.py 6KB
helpers.py 4KB
fcn_model.py 7KB
submit_lvsc.py 3KB
create_submission_rvsc.sh 290B
weights
rvsc_i.h5 41.74MB
lvsc_i.h5 41.74MB
lvsc_o.h5 41.74MB
sunnybrook_o.h5 41.74MB
rvsc_o.h5 41.74MB
sunnybrook_i.h5 41.74MB
submit_ucla.py 3KB
submit_rvsc.py 3KB
train_ucla.py 8KB
create_submission_sunnybrook.sh 263B
train_sunnybrook.py 6KB
train_lvsc.py 8KB
rename_sunnybrook.py 974B
README.md 4KB
create_submission_lvsc.sh 187B
graphics
results_rvsc.png 75KB
table_keras.png 70KB
FCN_schematic.png 814KB
results_lvsc.png 80KB
table_caffe.png 75KB
results_sunnybrook.png 90KB
SAX_series.txt 778B
submit_sunnybrook.py 4KB
create_submission_ucla.sh 187B
共 29 条
- 1
资源评论
weixin_38691256
- 粉丝: 3
- 资源: 945
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
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