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}} |