使用3D补丁重新考虑极不平衡数据集的损失函数 该项目将针对高度不平衡的数据集测试一些有关DSC损失的玩具示例。 自从Miletari等人在2016年引入所谓的骰子损失函数以来。 [ ]，我们一直在医学成像领域将其用于高度不平衡的数据集，以改善结果。 从经验上看，情况确实如此，但是我们可以实际地进行分析吗？ 它与Sudre等人的广义骰子丢失有何关系。 [ ]？ 有什么更好的选择吗？ 与焦点损失相比如何？ 该存储库是对论文的扩展，基于该论文可以在不平衡性很高的几个数据集上获得经验结果。 [

可视化和医学图像分析* 该存储库旨在为BraTS 2019数据集开发基于CNN的2D语义分割模块，用于脑肿瘤检测。 架构：U-Net 安装： pip install -e。 火车： python visualizer / train.py -c配置/train.gin 评估： python visualizer /评估/evaluate.py -c config / evaluate.gin 参考： [1] BH Menze，A。Jakab，S。Bauer，J。Kalpath

幻灵 Eidolon是一种生物医学可视化和分析框架，旨在渲染空间生物医学数据（图像和网格），并提供用于图像重建，分析和计算的设施。 功能包括： 可视化环境提供了2D和3D视图中时间相关的网格和图像数据的组合渲染 用于处理和生成数据的并发算法 基于Python的框架，具有针对渲染器，算法和数据结构的已编译代码扩展 通过内置的Python控制台交互式访问正在运行的应用程序代码 面向插件的体系结构，脚本界面和控制台允许用户轻松扩展代码 与Python科学库（包括numpy和scipy）集成 多平台

2018-05-30-KRSCourseInBiomedicalImageAnalysis andVisualization：生物医学图像分析和可视化的套件课程：ITK