深度学习落地实战：基于UNet实现血管瘤超声图像分割

前言

大家好，我是机长

本专栏将持续收集整理市场上深度学习的相关项目，旨在为准备从事深度学习工作或相关科研活动的伙伴，储备、提升更多的实际开发经验，每个项目实例都可作为实际开发项目写入简历，且都附带完整的代码与数据集。可通过百度云盘进行获取，实现开箱即用

正在跟新中~
深度学习落地实战_机 ＿ 长的博客-CSDN博客

项目背景

（基于UNet实现血管瘤超声图像分割）

血管瘤是一种常见的血管异常疾病，尤其在婴幼儿中具有较高的发病率。超声检查作为一种无创的诊断手段，能够为临床提供血管瘤的位置、形状及累及范围等重要信息，对指导医生进一步治疗至关重要。然而，目前血管瘤病灶的分割主要依赖于专家的人工勾画，这不仅耗时耗力，还容易受到临床经验水平的影响，导致分割结果存在人为误差。因此，利用深度学习技术实现血管瘤超声图像的自动精准分割，成为了一个医学应用与研究的热点方向方向。

项目环境

• 平台：windows 10
• 语言环境：python 3.8
• 编辑器：PyCharm
• PyThorch版本：1.8

1.创建并跳转到虚拟环境

python -m venv myenvmyenv\Scripts\activate.bat
<