Matlab超声成像代码-无监督MIseg：利用边缘映射与对抗学习进行医学图像分割

简介：
本项目提出了一种基于Matlab的无监督医学图像分割方法MIseg，结合边缘映射和对抗学习技术，专门针对超声成像数据，以提高医学诊断效率和准确性。 该存储库包含使用边缘映射和对抗性学习实现无监督医学图像分割的代码，如我们的论文所述：请注意，编写此版本是为了更容易遵循该方法的逻辑。因此，它旨在用于编写脚本，并为不同目的调整代码应该相当容易。 该项目的不同部分改编自不同的库，依赖关系因运行流程步骤而异。要运行所有代码部分需要以下内容： - Python3 我们使用了其他存储库中的模型和算法： - 一个用于边缘检测的GAN架构 - RCF输出的骨架化方法 - ISIC2018分割模型与W-net进行比较的方法 - 我们为DenseCRF实现改编了dcrf.py，以对W-net输出进行后处理。我们还使用分段聚类来清理输出（并合并W-net的分段类别）。 采用这种方法时，大多数函数可以保持原样，并且很容易适应其他数据集。但是，每个数据集需要完成以下两件事： - 根据您的需求预处理图像。 - 我们的模型目前接受256x256像素大小的输入图像。