LiTS Liver Tumor Segmentation Challenge LiTS Liver Tumor Segmentation Challenge

LiTS Liver Tumor Segmentation Challenge

Другой исходный код

1.0.0

Скачать

ИМПЕСЕМАЦИЯ С VNET3D

Это пример сегмента CT-изображений от Lits --- Печеновая-сегментация.

Предпосылка

Необходимы следующие зависимости:

Numpy> = 1.11.1
Simpleitk> = 1.0.1
OpenCV-Python> = 3.3.0
tensorflow-gpu == 1.8.0
Панды> = 0,20,1
Scikit-learn> = 0,17,1

Как использовать

(Re) Реализован модель с TensorFlow в статье «Miletari, F., Navab, N. & Ahmadi, SA (2016) V-Net: полностью сверточные нейронные сети для объемного сегментации медицинского изображения.3DV 2016"

1 、 Предварительная обработка

LITS Данные изображения и маски представляют собой тип файлов .nii для обучения и визита, преобразовать файл .nii в файл .bmp.
Подготовка данных о печени, я попробовал много размера патча и, наконец, используя патч (256,256,16), если у вас есть лучший графический процессор, вы можете изменить 16 на 24 или 32: запустить GetPatchImageAndmask.py
Подготовка данных опухоли, используя патч (256,256,16): запустите getPatchImageAndmask.py, отключите линию Gen_Image_Mask (srcimg, seg_liverimage, i, shape = (16, 256, 256), numberxy = 5, numberz = 10) и включение Line_image_mask (secrciMg, segeMgor, segemgor, segemgor, segemor, segemgor, segemgor, segemor, segemy ugegiramg Shape = (16, 256, 256), numberxy = 5, numberz = 10), и измените Trainlivermask на Traintumormask
Последнее сохранить весь путь папки данных в файл CSV: запустите UTILS.Py

Файл как это:

G: Data Segmation Image/0_161

G: Data Segmation Image/0_162

G: Data Segmation Image/0_163

2 、 сегментация печени и опухоли

модель Vnet

Обучить и предсказать в сценарии vnet3d_train.py и vnet3d_predict.py

3 、 Скачать ресурс

Обученная модель сегментации печени, журнал, тестовые данные могут загрузить здесь: https: //pan.baidu.com/s/1ijk6bg3vzm4nhwz6s2yfiw, пароль: 74J5
LITS Данные имеют 130 случаев, используя 0-110 случаев, обезвреживающих, а другие-тестирование.
Lits Train and Test Source Data можно загрузить здесь: https: //pan.baidu.com/s/1-kxj7res4kq5ypitfmqxeg Пароль: NLRD