基于Transformer-Unet的内窥镜图像语义分割代码分享【含代码和数据集】

简介：
本项目提供基于Transformer-Unet架构的内窥镜图像语义分割代码及数据集。适用于医疗影像分析与疾病诊断，促进人工智能在医学领域的应用研究。 内窥镜图像数据集包括腹壁、肝脏、胃肠道、脂肪、抓握器、结缔组织、血液、胆囊管、L 钩电烙术（仪器）、胆囊、肝静脉以及肝韧带等部分。 参数设置如下：优化器为AdamW，学习率衰减策略采用余弦退火算法，损失函数使用交叉熵。 1. `train` 脚本会生成训练集和验证集的loss曲线、iou曲线、学习率变化曲线，并记录训练日志。此外，该脚本还会提供数据集可视化图像以及最终与最佳权重文件。 2. `evaluate` 验证脚本用于评估模型性能，计算测试集中各项指标如iou、召回率（recall）、精确度（precision）及像素准确率等。（注意：训练集用于网络拟合，验证集用来调整参数设置，而测试集则用以最终评估模型效果。） 3. `predict` 脚本负责推理图像处理，并生成目标标签(gt)及其与原图叠加后的掩膜图像。 代码中附有详细注释，便于用户理解并自行下载查看；若需训练自有的数据集，请参考README文件中的指示进行傻瓜式操作。