基于deeplabv3_resnet50的超声心动图图像分割（附源码+论文）

基于deeplabv3_resnet50的超声心动图图像分割（附源码+论文）

代码链接：https://github.com/xiaoxijio/deeplabv3_resnet50-Echocardiographic-image-segmentation（自己复现的代码，注释非常详细，如果要看源码可以去官网查看）
数据集夸克链接：https://pan.quark.cn/s/8b7f9bbde7a4 （建议用网盘下，官网下麻烦+慢）
论文链接：https://www.nature.com/articles/s41586-020-2145-8
官方链接：EchoNet Dynamic

对Video-based AI for beat-to-beat assessment of cardiac function这篇论文的代码的一个复现
这篇论文是直接调用的deeplabv3_resnet50这个模型对心脏舒张收缩视频数据进行一个图像分割。所以对于模型的话没有什么可以学的点，不过很适合初学者学会如何把现有的模型应用到自己数据集，做自己的项目。（我认为学会这个还是挺重要的，毕竟现在做项目，谁自己搞模型结构啊，顶多微调。）
代码中如何处理数据集占大部分（数据集处理起来确实头疼）
看看效果。蓝色的地方就是左心房舒张收缩的面积。

这篇论文虽然对模型没有做任何改进，但是发的是Nature顶刊。所以如何把模型应用到不同的领域，这种创新思路，希望给你发SCI的启发。