1、TransUnet介绍TransUnet是一种用于医学图像分割的深度学习模型。它是基于Transformer模型的图像分割方法，由AI研究公司HuggingFace在2021年提出。医学图像分割是一项重要的任务，旨在将医学图像中的不同结构和区域分离出来，以便医生可以更好地诊断和治疗疾病。传统的医学

目录1.数据准备dataprocess2.文件更名filesrename2.1.数据更名npzrename2.2.文档更名txtrename3.代码修改codechange3.1.目录调整contents3.2.数据读取code13.2.训练参数parameterset3.2.1.目标类别numclasses3.2.2.运行轮次maxepochs3.2.3.批次传入

目录1.信息TransUnet1.1.时间opentime1.2.链接Linkgithub1.3.应用Use2.自用TransUnet2.1.目录Tree2.2.修改Change1.信息TransUnet1.1.时间opentime20211.2.链接Linkgithubhttps://github.com/Beckschen/TransUNet1.3.应用Use  本是应用于

目录0.引言1.链接Link2.阅读Read2.1.结构Structure2.2.编码Encoder2.2.1.卷积CNN2.2.2.变换Transformer2.3.解码Decoder3.优势Advantage4.想法Think0.引言  想尝试TransUnet，先稍微的了解了一下结构。  如果阅读到这篇文章，请略过，本文仅是个人的随笔。