FreehandUSRecon:DCL Net的源代码这是一种用于无传感器手绘3D超声体积重建的深度学习模型 Source code learning

手绘3D超声体积重建 该存储库包含MICCAI 2020论文的代码,该论文名为“ 。 介绍 在本文中,我们提出了一种深度上下文学习网络(DCL-Net),该网络可以有效利用美国帧之间的图像特征关系,并在没有任何跟踪设备的情况下重建3D美国体积。 提出的DCL-Net利用美国视频段上的3D卷积进行特征提取。 嵌入式自我关注模块使网络专注于散斑丰富的区域,以实现更好的空间运动预测。 我们还提出了一种新颖的案例关联损失来稳定训练过程,以提高准确性。 通过使用开发的方法已经获得了非常有希望的结果。 在以后的工作中,我们将在具有各种扫描协议的美国视频上进一步测试该方法。 有关更多详细信息,请参阅上的预印本。 环境 通过anaconda设置您的环境( python3.7,火炬1.5.0 + cu92 ) 测验 我们预先训练的模型之一是中的 。 将其下载到“ pretrained_model”文件夹后,