Pytorch Medical Segmentation

Pytorch医学细分

阅读中文简介：这里！

笔记

我们计划在不久的将来对代码进行重大更新，因此，如果您有任何建议，请随时给我发送电子邮件或提及它们。

最新更新

• 2021.1.8释放火车和测试代码。
• 2021.2.6在Shanshan Li的帮助下，骰子中的一个错误。
• 2021.2.24发布了视频教程（https://www.bilibili.com/video/bv1gp4y1h7kq/）。
• 2021.5.16 UNET3D实施中的一个错误已修复。
• 2021.5.16公制代码已发布。
• 2021.6.24所有参数都可以在hparam.py中调整。
• 2021.7.7现在您可以参考Pytorch-Medical-Classification中的医学分类
• 2022.5.15现在您可以参考SSL-For-Medical-Medical细分中的医学细分学习半监督学习
• 2022.5.17我们更新培训和推理代码并修复一些错误。

要求

• Pytorch1.7
• Torchio <= 0.18.20
• python> = 3.6

注意

• 您可以修改HPARAM.PY以确定2D或3D分割以及是否可能进行多酸性化。
• 我们为几乎所有2D和3D分割提供算法。
• 该存储库几乎与所有医疗数据格式兼容（例如Nii.gz，Nii，Mhd，nrd，...），通过在配置的HPARAM.PY中修改fold_arch 。我希望您在使用标签上标记为1而不是255之前将源图像和标签图像同时转换为同一类型。
• 如果您想使用多类别程序，请自己修改相应的代码。我无法确定您的特定类别。
• 无论是在2D还是3D中，都可以使用补丁处理此项目。因此，图像不必严格相同的大小。但是，在2D中，您应该将补丁设置得足够大。

准备数据集

示例1

如果您的源数据集为：

 source_dataset
├── source_1.mhd
├── source_1.zraw
├── source_2.mhd
├── source_2.zraw
├── source_3.mhd
├── source_3.zraw
├── source_4.mhd
├── source_4.zraw
└── ...

和您的标签数据集是：

 label_dataset
├── label_1.mhd
├── label_1.zraw
├── label_2.mhd
├── label_2.zraw
├── label_3.mhd
├── label_3.zraw
├── label_4.mhd
├── label_4.zraw
└── ...

那么您的应该将fold_arch mhd mohd mhd mhd mhd， source_train_dir作为source_dataset和label_train_dir为label_dataset in hparam.py.py

示例2

如果您的源数据集为：

 source_dataset
├── 1
    ├── source_1.mhd
    ├── source_1.zraw
├── 2
    ├── source_2.mhd
    ├── source_2.zraw
├── 3
    ├── source_3.mhd
    ├── source_3.zraw
├── 4
    ├── source_4.mhd
    ├── source_4.zraw
└── ...

和您的标签数据集是：

 label_dataset
├── 1
    ├── label_1.mhd
    ├── label_1.zraw
├── 2
    ├── label_2.mhd
    ├── label_2.zraw
├── 3
    ├── label_3.mhd
    ├── label_3.zraw
├── 4
    ├── label_4.mhd
    ├── label_4.zraw
└── ...

然后您的应该将fold_arch mok ford_arch为*/ *。mhd ， source_train_dir为source_dataset和label_train_dir为label_dataset in hparam.py.py

训练

• 没有预验证的模型

 set hparam.train_or_test to 'train'
python main.py

• 与预验证的模型

 set hparam.train_or_test to 'train'
python main.py -k True

推理

• 测试

 set hparam.train_or_test to 'test'
python main.py

例子

教程

• https://www.bilibili.com/video/bv1gp4y1h7kq/

完毕

网络

• 2d

• UNET
• UNET ++
• Miniseg
• segnet
• pspnet
• HighResnet（摘自https://github.com/fepegar/highresnet，谢谢Fepegar的慷慨大方！）
• Deeplab
• FCN

• 3D

• UNET3D
• 残留-unet3d
• 密集voxelnet3d
• fcn3d
• vnet3d
• HighResnert（摘自https://github.com/fepegar/highresnet，谢谢Fepegar的慷慨！）
• densenet3d
• UNETR（摘自https://github.com/tamasino52/unetr）

公制

• 指标。py评估您的结果

托多

• 数据集
• 基准
• nnunet

顺便一提

这个项目并不完美，还有很多问题。如果您正在使用此项目，并且想给作者一些反馈，则可以给我发送电子邮件。

致谢

该存储库是在3D和2D中进行医学细分的非正式Pytorch实施，并且高度基于Medicalzoopytorch和Torchio。谢谢您的上述存储库。该项目是在Ruoxiu Xiao教授，Shuang Song和Cheng Chen博士的监督下完成的。感谢您的张，Daiheng Gao，Jie Zhang，Xing Tao，Weili Jiang和Shanshan Li获得的所有帮助。