PIPO-FAN运用Pytorch对部分带有标记的数据集进行了多器官分割任务

具有多尺度特征抽象的部分标记数据集的多器官分割 介绍 在本文中，我们提出了一种用于统一多尺度特征抽象的新颖网络架构，它以分层方式在不同深度结合多尺度特征进行图像分割。 与其他 3D 网络相比，2D 网络在单步肝脏 CT 图像分割中表现出非常有竞争力的性能。 我们进一步开发了一种统一的分割策略，将三个单独的数据集一起训练，并对这些部分数据集进行多器官分割。 它使分割网络具有更高的鲁棒性和准确性。 我们将在未来的工作中进一步测试该方法。 有关更多详细信息，请参阅我们的或提供的预印版本。 操作说明 通过 anaconda 设置您的环境，（ python3.7，torch 1.3.0 ） conda install -c simpleitk simpleitk conda install -c conda-forge nibabel pip安装torchvision=0.4 预处理 使用 r