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}} |
