通过VNET3D进行成像
这是lits的CT图像段的示例
先决条件
需要以下依赖关系：
- numpy> = 1.11.1
- SimpleItk> = 1.0.1
- opencv-python> = 3.3.0
- TensorFlow-GPU == 1.8.0
- 熊猫> = 0.20.1
- Scikit-learn> = 0.17.1
如何使用
（RE）在“ Milletari，F。，Navab，N。，＆Ahmadi，SA（2016）V-NET：用于体积医学图像分段的完全卷积神经网络的论文中，用Tensorflow实施了模型。
1、预处理
- lits的图像和掩码的数据都是.nii文件的类型，以训练和visulise，将.nii文件转换为.bmp文件。
- 肝脏数据准备，我尝试了许多补丁大小，最后使用补丁（256,256,16），如果您的GPU更好，可以更改16至24或32：运行getPatchimagageandmask.py.py
- 肿瘤数据准备，使用补丁（256,256,16）：运行getPatchimageandMask.py，禁用gen_image_mask行（srcimg，srcimg，seg_liverimage，i，i，shape =（16，256，256）形状=（16、256、256），numbsxy = 5，numberz = 10），然后将trainlivermask更改为traintumormask
- 最后将所有数据文件夹路径保存到CSV文件中：运行utils.py
这样的文件：
g： data sementation image/0_161
g： data sementation image/0_162
g： data sementation image/0_163
2、肝脏和肿瘤分割
- 在vnet3d_train.py和vnet3d_predict.py的脚本中进行训练和预测
3，下载资源
- 肝脏细分训练的模型，日志，测试数据可以在此处下载：https：//pan.baidu.com/s/1ijk6bg3vzm4nhwz6s2yfiw，密码：74J5
- LITS数据有130例，使用0-110案例进行操作，而其他情况正在测试。测试结果可以在此处下载：https：//pan.baidu.com/s/1a_-u7tjcn7riqnrlasqi4a密码：22ES：22ES
- LITS火车和测试源数据可以在此处下载：https：//pan.baidu.com/s/1-kxj7res4kq5ypitfmqxeg密码：nlrd
结果
受过训练的损失
肝段结果
肝排行榜
测试案例细分结果可以在35.mp4,38.mp4和51.mp4的文件中看到
第一col是srcimage，第二col是地面蒙版图像，第三col为vnet分割图像
病变排行榜
接触
