vnet3d를 사용한 이미지 분할
이것은 LITS의 CT 이미지 세그먼트의 예입니다 --- 간무가 분할 challenge 
전제 조건
다음의 종속성이 필요합니다.
- Numpy> = 1.11.1
- Simpleitk> = 1.0.1
- opencv-python> = 3.3.0
- Tensorflow-GPU == 1.8.0
- 팬더> = 0.20.1
- scikit-learn> = 0.17.1
사용 방법
(re) "Milletari, F., Navab, N., & Ahmadi, SA (2016) V-Net : 부피의 의료 이미지 세분화를위한 완전 컨볼 루션 신경 네트워크.
1. 전처리
- 이미지와 마스크의 데이터는 모든 유형의 .nii 파일입니다.
- 간 데이터 준비, 나는 많은 패치 크기를 시도했고 마지막으로 패치 (256,256,16)를 사용하여 GPU가 더 좋으면 16 ~ 24 또는 32를 변경할 수 있습니다. GetPatchimageAndmask.py를 실행할 수 있습니다.
- 패치를 사용하여 종양 데이터 준비 (256,256,16) : getPatchimageAndmask.py를 실행하고, gen_image_mask 라인을 비활성화하고 (srcimg, seg_liverimage, i, shape = (16, 256, 256), numberxy = 5, numberz = 10) 및 seg gen_image_mask (srcimg, sercimg, seg _tum _mask). shape = (16, 256, 256), numberxy = 5, numberz = 10), trainlivermask를 TraintumorMask로 변경하십시오.
- 모든 데이터 폴더 경로를 CSV 파일로 마지막으로 저장합니다. utils.py를 실행하십시오.
다음과 같은 파일 :
g : data segmentation image/0_161
g : data segmentation image/0_162
g : data segmentation image/0_163
2 se 간 및 종양 분할
- vnet3d_train.py 및 vnet3d_predict.py의 스크립트를 훈련하고 예측하십시오.
3 、 리소스 다운로드
- 간 세분화 훈련 모델, 로그, 테스트 데이터는 여기에서 다운로드 할 수 있습니다 : https : //pan.baidu.com/s/1ijk6bg3vzm4nhwz6s2yfiw, 비밀번호 ： 74J5
- LITS 데이터는 0-110 건의 사례를 사용하여 130 건, 다른 IS 테스트를 사용합니다. 테스트 결과는 여기에서 다운로드 할 수 있습니다.
- Lits Train 및 Test 소스 데이터는 여기에서 다운로드 할 수 있습니다 : https : //pan.baidu.com/s/1-kxj7res4kq5ypitfmqxeg 비밀번호 ： NLRD
결과
훈련 된 손실 
간 부분 결과
간 리더 보드 
테스트 케이스 세분화 결과는 35.mp4,38.mp4 및 51.mp4 파일에서 볼 수 있습니다.
첫 번째 col은 srcimage이고, 두 번째 col은 지상 마스크 이미지, 세 번째 col은 vnet 세분화 이미지입니다. 
병변 리더 보드 
연락하다
