TransUnet 改进：在Transformer块中加入CBAM模块的实现的【心脏左心房】医学场景分割完整项目

数据集采用【心脏左心房分割】，数据在data目录下，划分了训练集和验证集。 【改进部分】代码在TransUnet的Transformer中加入了CBAM模块。如果想要更换别的模块，只需要将CBAM替换即可 网络介绍：摆放好数据集，直接更改train脚本的参数即可，默认的epoch是100，学习率采用cos余弦退火算法，初始值0.01，衰减到0.00001。如果想在大尺度进行训练，修改img-size参数即可，优化器采用了AdamW。评估的指标为dice、iou、recall、precision、f1、pixel accuracy等等，代码会对训练和验证集进行评估，结果保存runs下的json文件中。 网络推理的时候，会自动将inference/img下所有图像进行推理，并且保存在infer_get、show下，前者是推理gt阈值图像，后者是img+推理gt的掩膜效果 更多改进项目参本人【改进专栏】