【亲测免费】 MC-Net: 半监督医学图像分割的互一致性学习

MC-Net: 半监督医学图像分割的互一致性学习

项目基础介绍和主要编程语言

MC-Net 是一个开源项目，专注于半监督医学图像分割。该项目的主要编程语言是 Python，并且基于 PyTorch 1.8.0 和 CUDA 11.2 进行开发。所有实验均在单个 NVIDIA Tesla V100 GPU 上进行。

项目核心功能

MC-Net 的核心功能是通过互一致性学习（Mutual Consistency Learning）来提高半监督医学图像分割的性能。该项目提供了一个名为 MC-Net+ 的模型，该模型在多个医学图像数据集上表现出色，特别是在左心房分割、胰腺 CT 和 ACDC 数据集上。

项目最近更新的功能

1. 预训练模型提供：2022年4月18日，项目提供了在 LA、Pancreas-CT 和 ACDC 数据集上的预训练模型，用户可以在 /MC-Net/pretrained_pth/ 目录下找到这些模型。
2. 代码发布：2022年4月16日，项目发布了完整的代码库，包括用于训练和测试的脚本。用户可以通过 git clone https://github.com/ycwu1997/MC-Net.git 命令克隆项目。
3. 模型版本更新：项目提供了多个版本的模型，包括 mcnet2d_v1、mcnet3d_v1 和 mcnet3d_v2，其中 mcnet3d_v2 对应于 MC-Net+ 模型。

通过这些更新，MC-Net 项目为用户提供了更便捷的使用体验和更强大的功能支持，进一步推动了半监督医学图像分割领域的发展。