SynthSeg
该存储库包含用于训练单个卷积神经网络的代码，以分割具有不同对比度和分辨率的MRI扫描。 该网络接受了合成扫描的培训，该合成扫描是通过对基于软件包的生成模型进行采样而获得的，我们非常鼓励您看一下！ 以下视频详细说明了该项目： 简而言之，通过对以训练标签图为条件的高斯混合模型（GMM）进行采样来生成合成扫描。 通过执行数据增强步骤（例如空间变形，强度增强和随机模糊），可以进一步扩展生成的图像的可变性。 下图说明了SynthSeg提供的多种生成方式中的一些：现实/不现实，各向同性/各向异性，单模态/多模态扫描。 然后将生成的图像用于训练CNN进行图像分割。 由于GMM的参数（均值和方差）是在每个小批量中根据先验分布进行采样的，因此网络会暴露于产生对比度差异的图像（取决于先验GMM），并学习可靠的功能。 下图概述了培训过程： 除了training功能外，我们还提供生成模型
