📝 Attention Gate Residual UNet

程式練習...

基於原始 UNet 並結合 Attention Gate 與 Residual Block 的深度學習模型，用來分割靜脈影像(以下範例為手背靜脈)。

🔗 參考文獻

• UNet: U-Net: Convolutional Networks for Biomedical Image Segmentation
• Modified UNet Code: https://github.com/zhixuhao/unet
• Attention Gate: Attention U-Net: Learning Where to Look for the Pancreas
• Residual Block: Road Extraction by Deep Residual U-Net

📁 壓縮檔內容

• data/membrane - 用於模型訓練、驗證與測試的影像。
• main.py - 主程式。
• data_loader.py - 訓練資料前處理與資料增生。
• blocks.py - 內為模型所用到的 block(像是 attention gates、residual blocks 等等...)。
• model.py - 模型主架構。
• my_metrics.py - 參考 stack overflow 或其他教學網站自定義的模型評估指標(像是 Dice、IoU 等等...)。
• requirements.txt - Python3.9.2 用到的函式庫及其版本。

📁 資料庫

模型訓練資料庫為右側連結提供 點此連結到資料庫。

該資料庫包含 1782 張手背靜脈影像。

實驗將資料庫拆分為 7:2:1 for 訓練、驗證與測試:

• 訓練: data/membrane/train/image 與 data/membrane/train/label
• 驗證: data/membrane/val/val_image 與 data/membrane/val/val_label
• 測試: data/membrane/test

記得將所有影像 resize 為 256×256。

📦 模型架構 (點擊縮圖可放大)

• 主架構:

• 殘差塊(Residual block):

• 注意力門(Attention gate):

📊 測試結果 (點擊縮圖可放大)

• 模型測試階段預測範例:

Input Image	Prediction Image

🚀 如何使用

請輸入以下指令建置 Python3.9.2 環境用到的函式庫及其版本:

pip install -r .\requirements.txt

將 main.py 的 image path 替換為您的資料庫路徑，並輸入以下指令執行程式進行模型訓練:

python .\main.py