为了将可学习的参数从预先训练的2D ResNet-18 (ImageNet)转移到3D，我们通过三维复制2D过滤器(重复复制它们)。这是可能的，因为视频或3D图像可以转换成图像切片序列。在训练过程中，我们期望3D ResNet-18学习每一帧的模式。这个模型有3400万个可学习参数。
简单地，调用"resnet18TL3Dfunction()"函数。
引用作为
引入转移学习到3D ResNet-18用于MRI图像上的阿尔茨海默病检测。“2020年第35届图像与视觉计算新西兰国际会议(IVCNZ)， IEEE, 2020, doi:10.1109/ivcnz51579.2020.9290616。
查看更多的风格
| MLA |
引入转移学习到3D ResNet-18用于MRI图像上的阿尔茨海默病检测。“2020年第35届图像与视觉计算新西兰国际会议(IVCNZ)， IEEE, 2020, doi:10.1109/ivcnz51579.2020.9290616。 |
| 美国心理学协会 |
Ebrahimi, A.， Luo, S.， & Chiong, R.(2020)。将转移学习引入到3D ResNet-18中，用于MRI图像上的阿尔茨海默病检测。2020年第35届新西兰图像与视觉计算国际会议(IVCNZ)。IEEE。从https://doi.org/10.1109%2Fivcnz51579.2020.9290616获取 |
| 助理 |
@inproceedings{Ebrahimi_2020, doi = {10.1109/ivcnz51579.2020.9290616}， url = {https://doi.org/10.1109%2Fivcnz51579.2020.9290616}， year = 2020, month = {nov}， publisher = {{IEEE}}， author = {Amir Ebrahimi and Suhuai Luo and Raymond Chiong}，标题={介绍转移学习到3D {ResNet}-18用于{MRI}图像上的阿尔茨海默病检测}，图书标题={2020年第35届新西兰图像与视觉计算国际会议({IVCNZ})}} |
Ebrahimi, Amir，等人，“基于MRI图像的阿尔茨海默病卷积神经网络检测”。医学影像杂志，第8卷，第8期。02，光学工程学报，2018,21,doi:10.1117/1.jmi.8.2.024503。
查看更多的风格
| MLA |
Ebrahimi, Amir，等人，“基于MRI图像的阿尔茨海默病卷积神经网络检测”。医学影像杂志，第8卷，第8期。02，光学工程学报，2018,21,doi:10.1117/1.jmi.8.2.024503。 |
| 美国心理学协会 |
Ebrahimi, A.， Luo, S.， &阿尔茨海默病神经成像计划。(2021)。卷积神经网络在MRI图像上的阿尔茨海默病检测。医学影像杂志，8(02)。SPIE-Intl Soc光学工程师。从https://doi.org/10.1117%2F1.jmi.8.2.024503获取 |
| 助理 |
@文章{Ebrahimi_2021, doi = {10.1117/1.jmi.8.2.024503}， url = {https://doi.org/10.1117%2F1.jmi.8.2.024503}，年= 2021，月= {apr}， publisher = {{SPIE}-Intl Soc光学工程师}，体积= {8}，number ={02}，作者= {Amir Ebrahimi和Suhuai Luo and for the Alzheimer's Disease Neuroimaging Initiative}，标题={用{MRI}图像检测Alzheimer's Disease的卷积神经网络}，journal ={医学影像杂志}} |
