Imagesegentation ด้วย VNET3D
นี่คือตัวอย่างของเซ็กเมนต์ภาพ CT จาก LITS --- ตับ-การแบ่งแยก 
การทำก่อน
จำเป็นต้องมีการพึ่งพาต่อไปนี้:
- numpy> = 1.11.1
- SimpleItk> = 1.0.1
- OpenCv-Python> = 3.3.0
- tensorflow-gpu == 1.8.0
- แพนด้า> = 0.20.1
- scikit-learn> = 0.17.1
วิธีใช้
(RE) นำไปใช้แบบจำลองด้วย tensorflow ในกระดาษของ "Milletari, F. , Navab, N. , & Ahmadi, SA (2016) V-Net: เครือข่ายประสาทแบบ convolutional สำหรับการแบ่งส่วนภาพการแพทย์ปริมาตร 3dv 2016"
1、 ประมวลผลล่วงหน้า
- Lits Data of Image และ Mask เป็นไฟล์. nii ทุกประเภทเพื่อฝึกอบรมและ visulise แปลงไฟล์. nii เป็นไฟล์. bmp
- การเตรียมข้อมูลตับฉันได้ลองใช้ขนาดแพตช์มากมายและในที่สุดก็ใช้แพตช์ (256,256,16) ถ้าคุณมี GPU ที่ดีกว่าคุณสามารถเปลี่ยน 16 เป็น 24 หรือ 32: เรียกใช้ getPatchimageandmask.py
- การเตรียมข้อมูลเนื้องอกโดยใช้แพตช์ (256,256,16): เรียกใช้ getpatchimageandmask.py, ปิดการใช้งานบรรทัด gen_image_mask (srcimg, seg_liverimage, i, รูปร่าง = (16, 256, 256), numberxy = 5, numberz = 10) shape = (16, 256, 256), numberxy = 5, numberz = 10) และเปลี่ยน trainlivermask เป็น traintumormask
- สุดท้ายบันทึกพา ธ โฟลเดอร์ข้อมูลทั้งหมดลงในไฟล์ CSV: เรียกใช้ utils.py
ไฟล์เช่นนี้:
g: data segmentation image/0_161
g: data segmentation image/0_162
g: data segmentation image/0_163
2、 การแบ่งส่วนตับและเนื้องอก

- ฝึกอบรมและทำนายในสคริปต์ของ vnet3d_train.py และ vnet3d_predict.py
3、 ดาวน์โหลดทรัพยากร
- รูปแบบการแบ่งส่วนตับ, บันทึก, ข้อมูลทดสอบสามารถดาวน์โหลดได้ที่นี่: https: //pan.baidu.com/s/1ijk6bg3vzm4nhwz6s2yfiw, รหัสผ่าน: 74J5
- ข้อมูล LITS มี 130 รายโดยใช้ 0-110 กรณี trainging และอื่น ๆ คือการทดสอบผลการทดสอบสามารถดาวน์โหลดได้ที่นี่: https: //pan.baidu.com/s/1a_-u7tjcn7riqnrlasqi4a รหัสผ่าน: 22ES
- Lits Train and Test Source สามารถดาวน์โหลดได้ที่นี่: https: //pan.baidu.com/s/1-kxj7res4kq5ypitfmqxeg รหัสผ่าน: NLRD
ผลลัพธ์
การสูญเสียที่ผ่านการฝึกอบรม 
ผลการเซ็กเมนต์ตับ
ลีดเดอร์บอร์ดตับ 
ผลการทดสอบการแบ่งส่วนกรณีสามารถดูได้ในไฟล์ 35.MP4,38.MP4 และ 51.MP4
COL แรกคือ srcimage, col ที่สองคือภาพหน้ากาก GroundTruth, col ที่สามคือภาพการแบ่งส่วน VNET 
ลีดเดอร์บอร์ด Lesion 
ติดต่อ