为了将可学习的参数从预训练的2D ResNet-18 (ImageNet)转移到3D,我们通过第三维复制2D过滤器(重复复制它们)。这是可能的,因为视频或3D图像可以转换成一系列图像切片。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。
简单地说,调用“resnet18TL3Dfunction()”函数。
引用作为
Ebrahimi, Amir等,“将迁移学习引入到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。
查看更多样式
MLA |
Ebrahimi, Amir等,“将迁移学习引入到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)。将迁移学习引入到3D ResNet-18中,用于MRI图像上的阿尔茨海默病检测。2020年第35届图像与视觉计算新西兰国际会议(IVCNZ)。IEEE。检索自https://doi.org/10.1109%2Fivcnz51579.2020.9290616 |
助理 |
@inproceedings{Ebrahimi_2020, doi = {10.1109/ivcnz51579.2020.9290616}, url = {https://doi.org/10.1109%2Fivcnz51579.2020.9290616},年= 2020年,月={11月},出版商= {{IEEE}},作者= {Amir Ebrahimi and Suhuai Luo and Raymond Chiong},标题={引入3D迁移学习{ResNet -18用于{MRI}图像上的阿尔茨海默病检测},书名={2020年第35届图像与视觉计算新西兰国际会议({IVCNZ})}} |
Ebrahimi, Amir等,“用于MRI图像上阿尔茨海默病检测的卷积神经网络”。医学影像杂志,第8卷,第8期。02,光学工程学报,2012.04,doi:10.1117/1.jmi.8.2.024503。
查看更多样式
MLA |
Ebrahimi, Amir等,“用于MRI图像上阿尔茨海默病检测的卷积神经网络”。医学影像杂志,第8卷,第8期。02,光学工程学报,2012.04,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,为。(2021)。用于MRI图像上阿尔茨海默病检测的卷积神经网络。医学影像杂志,8(02)。spy - intl Soc光学工程检索自https://doi.org/10.1117%2F1.jmi.8.2.024503 |
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年,月= {apr},出版商= {{SPIE}-Intl Soc Optical Eng},卷={8},号={02},作者= {Amir Ebrahimi and Suhuai Luo and for the Alzheimer's Disease Neuroimaging Initiative},标题={在{MRI}图像上检测阿尔茨海默病的卷积神经网络},期刊={医学影像杂志}} |