【一、整理-加上数据图片】MT-Unet模型的复现使用【个人记录学习】

原创 已于 2022-03-23 15:38:57 修改 · 5.3k 阅读 · 39 ·
CC 4.0 BY-SA版权
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
文章标签：

#python #计算机视觉 #pytorch

于 2022-03-19 16:52:30 首次发布
博主在尝试复现MT-UNet模型，首先从GitHub找到代码并尝试使用Synapse数据集。由于作者未提供数据，博主自行下载并预处理数据。在训练过程中遇到问题，发现训练和测试数据相同，导致结果偏差。经过调整代码和优化预处理，目前训练效果接近论文结果。下一步计划修正数据问题并继续训练以验证模型性能。

找MT-UNet-main代码----GitHub

一、复现MT-UNet

1.思路：先复现MT-UNet-main，再用我们的数据集跑

2.代码中有ACDC dataset 数据，但我们要跑Synapse dataset. 

3.找dataset数据：根据作者提示去

最低0.47元/天 解锁文章
3D、扩散模型、GAN、StyleGAN、MAE.等【face-swapping方法汇总】
zik的博客
05-25 4251
face-swapping是将一张脸的身份（肤色、面部皮肤、眉毛、眼睛、鼻子、嘴唇和嘴巴等）与另一张脸的非外观属性（表情、头部姿势、光照、图像分辨率、注释方向、头发、眼镜、耳朵、耳环、颈部和背景等非内部人脸区域）相结合，生成合成人脸。
【图像增强】论文精读：DarkIR: Robust Low-Light Image Restoration
最新发布
主要更新底层视觉（去噪、超分等）相关的科研内容，形式为【论文精读】+【论文复现】
08-22 1176
摘要 本文提出DarkIR，一种基于CNN的低光图像多任务恢复方法，可同时处理噪声、低光和模糊问题。与现有Transformer模型不同，DarkIR采用新颖的注意力机制增强CNN感受野，在计算成本和参数效率上更具优势。实验表明，DarkIR在LOLBlur、LOLV2和Real-LOLBlur数据集上达到SOTA性能，PSNR比LEDNet提升1dB，并能泛化到真实夜间图像。该方法创新性地结合空间域和频域处理：空间域通过大感受野注意力解决噪声和模糊，频域利用光照与傅里叶振幅的相关性实现高效增强。
Swin-Unet论文研读
Acmer_future_victor的博客
05-26 1万+
Swin-Unet: Unet-like Pure Transformer for Medical Image Segmentation 论文：https://arxiv.org/pdf/2105.05537.pdf 代码：https://github.com/HuCaoFighting/Swin-Unet（应该是暂未开源） Abstract(摘要) 在过去的几年里，卷积神经网络(CNNs)在医学图像分析中取得了里程碑式的成就。尤其是基于U型结构和跳跃连接的深度神经网络在各种医学图像任务中得到了广泛的应用
Synapse医学分割数据集
03-04
已经处理好的png格式的Synapse医学分割数据集，图片512*512。数据结构为train与mask。mask中含有8个类分别用像素值0-7表示，所以mask中的png显示全黑，mask_rgb是经过rgb映射后的label图像。可直接用于大部分分割模型训练。
Synapse数据集，将腹部多器官的标签单独提取出来，自成一个nii.gz格式文件，在这里一个原始标签文件可以提出13个器官子文件
qq_44504069的博客
03-10 4563
Synapse数据集，将腹部多器官的标签单独提取出来，自成一个nii.gz格式文件，在这里一个原始标签文件可以提出13个器官子文件
图像分割之Swin-Unet分享
热门推荐
xuzz_498100208的博客
12-12 1万+
基于CNN的图像/语义分割算法主要有Unet FCN PSPnet DAnet DeepLabV3+,HRnet+OCR等，去年年底基于Transform的各类CV算法（如ViT，Swin等）在分割/分类任务上都表现了相比CNN更为优秀的分割精度。 这里就简单介绍一下基于Swin模块的Unet分割算法：来自慕尼黑工业大学的Swin-Unet
【三、对问题进行了解决】MT-Unet模型重新训练腹部和冠脉数据集【个人记录学习】
OWN CODE WORLD
03-28 2918
MT-Unet模型重新训练腹部和冠脉数据集
恒源云(GpuShare)_医学图像分割:MT-UNet
weixin_39881439的博客
03-09 704
我们社区有新的技术分享小伙伴啦🎉🎉🎉 热烈欢迎👏 作为一名合格的搬运工，我必须做点事情表达我的喜悦之情：搬运～搬运～立即搬运～ 文章来源 | 恒源云社区 原文地址 | 新的混合Transformer模块(MTM) 原文作者 | 咚咚 摘要 存在问题 虽然U-Net在医学图像分割方面取得了巨大的成功，但它缺乏对长期依赖关系进行显式建模的能力。视觉Transformer由于其固有的通过自注意（SA）捕捉长程相关性的能力，近年来成为一种可替代的分割结构。 存在问题 然而，Transformer.
【论文阅读+复现】AniPortrait: Audio-Driven Synthesis of Photorealistic Portrait Animation
weixin_57974242的博客
03-29 4317
生成肖像动画的挑战：唇部动作、面部表情和头部位置的复杂协调，以创造出逼真的效果。它们依赖于有限容量的生成器来创建视觉内容，如gan[3,17]、NeRF[14,13]或基于运动的解码器[16,8]。这些网络泛化能力有限，并且在生成高质量内容时缺乏稳定性。最近，扩散模型的出现[2,5,9]促进了高质量图像的生成。一些研究在此基础上结合了时间模块。建立在扩散模型的进步，我们介绍AniPortrait，旨在生成高质量的动画肖像由音频和参考图像驱动。AniPortrait分为两个不同的阶段。
Pytorch Unet 复现
kim_jisoo123的博客
12-01 1万+
pytorch-unet 来源：https://github.com/milesial/Pytorch-UNet 前两天搞了一下图像分割，用了下unet。之前没怎么用过复现了一下18年的une pytorch 版本，记录学习一下 1. 主函数 if __name__ == '__main__': args = get_args() device = torch.device('cuda' if torch.cuda.is_available() else 'cpu')#判
医学图像分割数据集：腹部Synapse多器官图像分割数据集（8类别分割，包含标签，约1200张数据和标签）
10-27
医学图像分割数据集：腹部Synapse多器官图像分割数据集（8类别分割，包含标签，约1200张数据和标签） 【8类别的分割，背景、主动脉、胆囊、脾、左肾、右肾、肝、胰腺、脾、胃，具体参考classes文件】 数据集介绍：分为训练集、测试集 训练集：images图片目录+masks模板目录，1000张左右图片和对应的mask图片 测试集：images图片目录+masks模板目录，250张左右图片和对应的mask图片 除此之外，包含一个图像分割的可视化脚本，随机提取一张图片，将其原始图片、GT图像、GT在原图蒙板的图像展示，并保存在当前目录下 医学图像分割网络介绍：https://blog.youkuaiyun.com/qq_44886601/category_12102735.html
3D U-Net: Learning Dense Volumetric Segmentation from Sparse Annotation 论文解读与程序复现
wyzjack47的博客
07-19 1万+
转载请注明出处：https://blog.youkuaiyun.com/wyzjack47/article/details/81118483 这篇论文题为3D U-Net: Learning Dense Volumetric Segmentation from Sparse Annotation。 论文解读 在生物医学领域，3D数据是很多的，一层一层转化为2D数据去标注训是不现实的，而且用整个3D体积的...
使用自己数据集复现U-Net,R2U-Net,Att U-net,Att R2U-net过程。（代码参考： LeeJunHyun / Image_Segmentation ）
goodenough5的博客
02-27 4065
主要是怎么改成自己的数据集，注意文件路径和文件类型，进行修改即可。main.py的参数根据自己的需要进行修改。
[Transormer]MT-UNet：Mixed transformer UNet for medical image segmentation
qq_37151108的博客
12-17 4248
MTUNet:混合Transformer模型用于医学图像分割AbstractSection I IntroductionSection II MethodsPart 1 Overall Structure DesignPart 2 Mixed Transformer ModulePart 3 Local-Global Gaussian-Weight Self-AttentionPart 4 External AttentionSection III ExperimentsPart 1 Ablation St
【亲测免费】 探索医疗图像分割新境界：MT-UNet
gitblog_00036的博客
06-12 483
探索医疗图像分割新境界：MT-UNet 1、项目介绍 MT-UNet 是一个为医疗图像分割设计的深度学习模型，其代码已经在ICASSP 2022会议上接受并公开。这个创新的模型结合了Transformer和传统的卷积神经网络（CNN）的优点，以提高对复杂医学图像结构的识别精度。 2、项目技术分析 MT-UNet 的核心在于其混合架构，它将Transformer的长距离信息捕获能力与UNet的局部细...
【二、整理--加上数据图片】MT-Unet模型训练自己的冠脉数据集【个人记录学习】
OWN CODE WORLD
03-19 7470
二、使用我们自己的数据集 11. 从此开始，尝试带入我们自己的数据集进行训练和测试。（Q3，项目中虽然输入的5125123的数据，但是会裁剪成2442443的，看GitHub上的issues里面，有人询问过作者这个问题，作者回复大概意思是，如果想要自适应图片尺寸，除了要改变输入图片的尺寸大小，或许还需要更改网络。作者并没有给明确的答复。因此先抛开数据的尺寸问题，先将我们的数据可以扔进去，尺寸问题后面再进行研究） 12. 我们的数据train和test都是png格式的，而项目需要的原始数据是（img.nii.
医学图像数据集下载地址
qq_44504069的博客
04-11 4693
医学图像数据集下载地址
TransUnet数据集 处理好的Synapse病例数据 直接用
weixin_69424666的博客
10-05 3832
TransUnet原文中用到的CT医学图像，已经处理好的，直接用于源码中，用于TransUnet分割 TransUnet源码所用到的处理好的Synapse数据集（网盘自取），直接按图中目录放入就可以了 网盘链接：链接：https://pan.baidu.com/s/1fLdKlgcRZ010uHkNctefvg?pwd=trqj 提取码：trqj
Swin-Unet: Unet-like Pure Transformer forMedical Image Segmentation 医疗图像分割阅读笔记
weixin_43656644的博客
03-22 8064
原文地址：https://arxiv.org/pdf/2105.05537.pdf 收录：CVPR 2021 代码:https://github.com/Beckschen/TransUNet 首篇将transformers用于医疗分割的文章 设计的Idea：UNet +transformers的结合体，使用的具体模块:ViT+ResNet50+skip connection 对关键的公式，和结构图进行了个人的一些注释，供大家参考。 目录 摘要 1 Introduction 2 ...
评论 33
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

OWN CODE WORLD

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值