Modified U net for brain tumor segmentation and 3D visualisation 源码

抽象的 准确估计脑肿瘤亚成分的相对体积对于监测进展,放射治疗计划,结果评估和随访研究至关重要。 为此,需要精确描绘肿瘤。 手动分割和每平面二维每平面分析对人类专家在监测进展,放射治疗计划,结果评估方面提出了重大挑战,因为需要参考来自不同MRI序列的多幅图像以便在2D域中正确分类组织类型以进行3D近似。 这种费力的工作不仅耗时,而且容易发生人为错误,并导致评估者内部和评估者之间的巨大差异。 为了解决这个问题,开发了端到端自动化项目管道,并使用深度学习和预测的肿瘤体积的3D可视化对肿瘤的3D分割进行了测试,以进行有效的分析。 方法 : 项目管道包括两个部分: 深度学习: 数据集采集 型号搜寻 模型开发 模型测试 根据测试结果进行模型调整。 3D渲染 使用行进立方体算法从体素数据中获取3D模型属性 创建那些属性的网格对象 创建Stl文件 将STL文件输入查看器 经验平滑 数据集获取: 对于模