Deep Cascade ของ Convolutional Neural Networks และ Convolutioanl Recurrent Neural Networks สำหรับการสร้างภาพ MR ใหม่
สร้างภาพ MR ขึ้นใหม่จากการวัดที่ไม่สุ่มตัวอย่างโดยใช้ Deep Cascade ของ Convolutional Neural Networks (DC-CNN) และ Convolutional Recurrent Neural Networks (CRNN-MRI) พื้นที่เก็บข้อมูลนี้มีการใช้งาน DC-CNN โดยใช้ Theano และ Lasagne และ CRNN-MRI โดยใช้ PyTorch พร้อมด้วยการสาธิตง่ายๆ โปรดทราบว่าไลบรารีต้องการ Lasagne และ Theano เวอร์ชัน dev รวมถึงแบ็กเอนด์ pygpu สำหรับการใช้ CUFFT Library เวอร์ชัน PyTorch จะต้องสูงกว่า Torch 0.4 ชุดข้อมูลของเล่นบางส่วนยืมมาจาก
การใช้งาน:
หลาม main_2d.py --num_epoch 5 --batch_size 2
สร้างภาพ MR ไดนามิกขึ้นมาใหม่จากการวัดที่ไม่ได้สุ่มตัวอย่างโดยใช้ DC-CNN พร้อมเลเยอร์ Data Sharing โปรดทราบว่าไลบรารีต้องการ CUDNN นอกเหนือจากข้อกำหนดที่ระบุไว้ข้างต้น
การใช้งาน:
หลาม main_3d.py --acceleration_factor 4
สร้างภาพ MR แบบไดนามิกขึ้นใหม่จากการวัดที่ไม่สุ่มตัวอย่างโดยใช้โครงข่ายประสาทเทียมแบบ Convolutional Recurrent นี่คือการใช้งาน pytorch ที่ต้องใช้ Torch 0.4
การใช้งาน:
หลาม main_crnn.py --acceleration_factor 4
หากคุณใช้โค้ดสำหรับงานของคุณ หรือหากคุณพบว่าโค้ดมีประโยชน์ โปรดอ้างอิงงานต่อไปนี้
การสร้างใหม่ 2D:
Schlemper, J. , Caballero, J. , Hajnal, JV, ราคา, A. , & Rueckert, D. น้ำตกลึกของโครงข่ายประสาทเทียมแบบ Convolutional สำหรับการสร้างภาพ MR ใหม่ การประมวลผลข้อมูลในการถ่ายภาพทางการแพทย์ (IPMI), 2017
เอกสารนี้มีอยู่ใน arXiv:
การสร้างใหม่แบบไดนามิก:
Schlemper, J. , Caballero, J. , Hajnal, JV, Price, A. , & Rueckert, D. น้ำตกลึกของโครงข่ายประสาทเทียมแบบ Convolutional สำหรับการสร้างภาพ MR แบบไดนามิกใหม่ อาร์เอ็กซ์ 1704.02422
เอกสารนี้มีอยู่ใน arXiv:
การสร้างใหม่แบบไดนามิกโดยใช้ CRNN:
Qin, C. , Schlemper, J. , Caballero, J. , Hajnal, JV, ราคา, A. , & Rueckert, D. Convolutional Recurrent Neural Networks สำหรับการสร้างภาพ MR แบบไดนามิกใหม่ ธุรกรรม IEEE เกี่ยวกับภาพทางการแพทย์ (2018)
เอกสารนี้มีอยู่ใน arXiv:
