MT-UNet
2024年4月15日更新
我们已根据最近提出的问题在./dataset/目录下上传了lists_Synapse.zip文件。请与您下载的Synapse数据集一起使用。
2022年3月5日更新
论文已被ICASSP 2022接收。今天发布完整代码。
请注意,如果您之前申请过我们的代码,那个版本现已过时,建议您使用此仓库中的最新版本。
1. 准备数据集
-
Synapse数据集可在TransUnet的仓库中找到。
-
ACDC数据集稍复杂,因为我们发现之前的工作使用不同的划分但直接相互比较。为确保实验公平,我们使用自己的划分并重新运行所有方法。我们已上传预处理后的ACDC数据集在此,或您可以在这里自行下载数据集。
2. 克隆代码
- 首先,用以下命令克隆我们的代码:
git clone git@github.com:Dootmaan/MT-UNet.git
cd MT-UNet
- 然后,根据您的实验环境修改"train_mtunet_ACDC.py"和"train_mtunet_Synapse.py"。您可以在这两个文件中搜索"path/to/dataset",并替换为您机器上ACDC和Synapse数据集的实际路径。
3. 开始训练
- 之后,您可以用以下命令开始训练:
CUDA_VISIBLE_DEVICES=0 nohup python3 -u train_mtunet_ACDC.py >train_mtunet_ACDC.log 2>&1 &
权重默认保存在"./checkpoint/ACDC/mtunet",预测结果保存在"./predictions"。您也可以使用argparser在训练前加载我们的权重。
我们已测试代码确保其正常工作。但如果您仍发现bug,欢迎提交拉取请求或直接提出问题。
我们也鼓励您阅读下方的更新日志,了解更多关于此仓库的信息。
2022年1月5日更新
通过基于先前权重的再次训练,我们的模型在ACDC上也取得了更好的性能(91.61% DSC)。我们已将ACDC的权重更新为这个最新版本,您可以自行查看。然而,先前版本的权重仍可在Google Drive上获取,您可以通过之前的提交访问它们。
2022年1月4日更新
我们进一步训练了MT-UNet,结果在Synapse上取得了更好的结果,DSC为79.20%。我们已将Synapse的公开权重更新为此版本,并将在论文中更新结果。
2022年1月3日更新
应当提到,我们目前正在对模型进行一些统计评估,这些结果也将在本站公开。
-
[已更新] 点击这里获取我们用于Synapse的权重。
-
[已更新] 点击这里获取我们用于ACDC的权重。TransUnet的作者没有提供ACDC数据集的划分。因此,我们基于自己的数据集划分进行了所有ACDC实验。
2021年11月19日更新
- 感谢您对我们工作的兴趣。我们已上传MTUNet的代码,以帮助同行进行进一步研究。然而,其余代码(如训练和测试代码)目前组织得不太好,我们计划在论文发表时发布它们。还应注意,这些代码目前以粗略的形式提供。如果您是该领域的新手或在将我们的模型应用到自己的数据集时遇到困难,请联系我们获取这些代码。
这是我们ICASSP2022论文《MIXED TRANSFORMER UNET FOR MEDICAL IMAGE SEGMENTATION》的官方实现。
完整代码将在论文发表后发布。