本文转载自我爱计算机视觉，文章仅用于学术分享。
分享一位52CV粉丝Ellis开发的基于PyTorch的专注于医学图像分割的开源库，其支持模型丰富，方便易用。其可算为torchio的一个实例，作者将其综合起来，包含众多经典算法，实用性比较强。
地址在这里：
https://github.com/MontaEllis/Pytorch-Medical-Segmentation
该库特点：
- 支持2D和3D医学图像分割，可以修改hparam.py文件来确定是2D分割还是3D分割以及是否可以进行多分类。
- 支持绝大数主流分割模型，几乎提供了所有的2D和3D分割的算法。
- 兼容几乎所有的医学数据格式(例如 nii.gz, nii, mhd, nrrd, …)，修改hparam.py的fold_arch即可。
作者提供了训练和测试推断的代码，简单配置后训练和推断都仅需要一行命令。
已包含的分割模型：
- 2D
- unet
- unet++
- miniseg
- segnet
- pspnet
- highresnet(copy from https://github.com/fepegar/highresnet, Thank you to fepegar for your generosity!)
- deeplab
- fcn
- 3D
- unet3d
- densevoxelnet3d
- fcn3d
- vnet3d
- highresnert(copy from https://github.com/fepegar/highresnet, Thank you to fepegar for your generosity!)
- densenet3d
版权声明：本文内容转自互联网，本文观点仅代表作者本人。本站仅提供信息存储空间服务，所有权归原作者所有。如发现本站有涉嫌抄袭侵权/违法违规的内容， 请发送邮件至1393616908@qq.com 举报，一经查实，本站将立刻删除。
