Views
No views yet
| 路径 | 内容 |
|---|---|
data/datasets/ | 预处理后的 CHAOS、ACDC、CAMUS、CardiacUDA |
external/ | SAM2、MedSAM2、Medical-SAM2、GraphEcho 依赖仓库 |
outputs/models/ | 已训练模型权重 |
outputs/preds/ | 各方法预测的 NIfTI mask |
outputs/figs/ | 论文 Figure 4-1 风格可视化 |
memory/ | MEM 方法核心模块：配置、数据读取、静态记忆、测试时工作记忆、智能体控制器、SAM2 适配模型 |
run/ | 训练、批量调度与跨域实验入口 |
tools/ | 导出预测和画图工具 |
prep/ | 数据预处理脚本 |
docs/paper.pdf | 参考论文 |
conda run -n wsw python tools/fig.py --output outputs/figs/fig4_1.pngoutputs/figs/fig4_1.png1# UNet / SwinUNETR / nnUNet
2conda run --no-capture-output -n wsw python run/baseline.py --dataset CHAOS --method UNet --ratio 100 --resume
3
4# MEM/Ours 训练
5conda run --no-capture-output -n wsw python run/memseg.py
6
7# MEM/Ours 导出预测并绘制 Figure 4-1
8conda run --no-capture-output -n wsw python tools/export_memory.py --figure-cases-only
9conda run --no-capture-output -n wsw python tools/fig.py --output outputs/figs/fig4_1.png
10
11# Medical-SAM2 多类别训练与合并
12conda run --no-capture-output -n wsw python run/medsam2.py
13
14# Baseline 跨域泛化实验：CAMUS -> CardiacUDA
15conda run --no-capture-output -n wsw python run/domain_baseline.py
16
17# MEM/Ours 跨域泛化实验：CAMUS 记忆 -> CardiacUDA
18conda run --no-capture-output -n wsw python run/domain_memseg.pymemory/ 主要保留实际实验会调用的代码：config.py 统一环境变量配置，data.py 统一 NIfTI 数据读取，
static_memory.py 负责静态记忆训练，working_memory.py 负责测试时工作记忆检索与更新，
controller.py 负责静态记忆和工作记忆的选择组合。few_shot_memory.py 是独立少样本记忆模块，未接入主训练链路。outputs/models/，预测结果在 outputs/preds/。跨域泛化使用 CAMUS 训练、CardiacUDA 测试，结果表保存在 outputs/metrics/domain_camus_to_cardiacuda.csv。