pytorch nested unet

UNET ++的Pytorch实现（嵌套的U-NET）

该存储库包含基于UNET ++的图像分割模型的代码：用于Pytorch中实现的医疗图像分割的嵌套U-NET体系结构。

[新]增加对多级分割数据集的支持。

[新]增加对Pytorch 1.x的支持。

要求

• Pytorch 1.x或0.41

安装

1. 创建一个Anaconda环境。

conda create -n= < env_name > python=3.6 anaconda
conda activate < env_name >

2. 安装Pytorch。

conda install pytorch torchvision cudatoolkit=10.1 -c pytorch

3. 安装PIP软件包。

pip install -r requirements.txt

2018年数据科学碗数据集培训

1. 从此处下载数据集以输入/和UNZIP。文件结构如下：

 inputs
└── data-science-bowl-2018
    ├── stage1_train
    |   ├── 00ae65...
    │   │   ├── images
    │   │   │   └── 00ae65...
    │   │   └── masks
    │   │       └── 00ae65...            
    │   ├── ...
    |
    ...

2. 预处理。

python preprocess_dsb2018.py

3. 训练模型。

python train.py --dataset dsb2018_96 --arch NestedUNet

4. 评价。

python val.py --name dsb2018_96_NestedUNet_woDS

（可选）使用lovaszhingeloss

1. 来自BermanMaxim/Lovaszsoftmax的Clone Lovaszsoftmax。

 git clone https://github.com/bermanmaxim/LovaszSoftmax.git

2. 用Lovaszhingeloss训练模型。

 python train.py --dataset dsb2018_96 --arch NestedUNet --loss LovaszHingeLoss

原始数据集的培训

确保将文件作为以下结构（例如类别为2）放置为：

 inputs
└── <dataset name>
    ├── images
    |   ├── 0a7e06.jpg
    │   ├── 0aab0a.jpg
    │   ├── 0b1761.jpg
    │   ├── ...
    |
    └── masks
        ├── 0
        |   ├── 0a7e06.png
        |   ├── 0aab0a.png
        |   ├── 0b1761.png
        |   ├── ...
        |
        └── 1
            ├── 0a7e06.png
            ├── 0aab0a.png
            ├── 0b1761.png
            ├── ...

1. 训练模型。

 python train.py --dataset <dataset name> --arch NestedUNet --img_ext .jpg --mask_ext .png

2. 评价。

 python val.py --name <dataset name>_NestedUNet_woDS

结果

DSB2018（96x96）

这是DSB2018数据集（96x96）的结果。

模型	iou	损失
U-net	0.839	0.365
嵌套的U-NET	0.842	0.354
嵌套的u-net w/ deepsupervision	0.843	0.362