医学图像分割优质开源代码

代码模型 黑人 ⋅ 于 7个月前 ⋅ 1729 阅读

经典分割方法

1. Level Set类方法

电子科技大学-李纯明老师主页

https://www.engr.uconn.edu/~cmli/

南京信息工程大学-张开华老师主页

https://www.kaihuazhang.net/
2. 图割类方法

电子科技大学大王国泰老师的GitHub
https://github.com/taigw/GrabCut-GraphCut/

3. 条件随机场
电子科技大学大王国泰老师的GitHub
https://github.com/taigw/GrabCut-GraphCut/


深度学习分割方法

1. NiftyNet-UCL

  • 基于tensorflow 1.14,支持2-D, 2.5-D, 3-D, 4-D输入;
  • 复现了多个网络HighRes3DNet, 3D U-net, V-net, DeepMedic;
  • 大量的分割loss functions和评价指标;
    https://github.com/NifTK/NiftyNet

国内电子科技大学王国泰老师今年也开源了一个pytorch版的"niftynet",也很容易使用
https://github.com/ihil/PyMIC

2. nnU-Net-DKFZ
目前GitHub里性能最强的3D U-Net实现。
https://github.com/MIC-DKFZ/nnUNet

3. 3D V-Net/半监督学习
于乐全学长MICCAI 2019的工作。这个代码写的非常简洁,很容易follow,非常适合作为pytorch入门。
https://yulequan.github.io/
https://yulequan.github.io/yulequan/UA-MT



什么是优质的开源代码?

个人拙见

  • 开箱即用(数据放进去设置下路径就能跑);
  • 代码简洁,可读性强;
  • 额外依赖少/pip install -r requirements.txt 就能把需要的包安装好;
  • 作者在持续维护,issue能很快得到答复。
  • 加分项:分割性能达到state-of-the-art

欢迎评论区分享其他优质的医学图像分割开源代码。


来源:知乎
作者:JunMa

相关文章:
最全综述 | 医学图像处理
U-NET 神经网络为什么会在医学图像分割表现好?
医学图像处理领域值得关注的会议和期刊

黑人

回复数量: 0
暂无回复~
您需要登陆以后才能留下评论!