通過VNET3D進行成像
這是lits的CT圖像段的示例
先決條件
需要以下依賴關係：
- numpy> = 1.11.1
- SimpleItk> = 1.0.1
- opencv-python> = 3.3.0
- TensorFlow-GPU == 1.8.0
- 熊貓> = 0.20.1
- Scikit-learn> = 0.17.1
如何使用
（RE）在“ Milletari，F。，Navab，N。，＆Ahmadi，SA（2016）V-NET：用於體積醫學圖像分段的完全卷積神經網絡的論文中，用Tensorflow實施了模型。
1、預處理
- lits的圖像和掩碼的數據都是.nii文件的類型，以訓練和visulise，將.nii文件轉換為.bmp文件。
- 肝臟數據準備，我嘗試了許多補丁大小，最後使用補丁（256,256,16），如果您的GPU更好，可以更改16至24或32：運行getPatchimagageandmask.py.py
- 腫瘤數據準備，使用補丁（256,256,16）：運行getPatchimageandMask.py，禁用gen_image_mask行（srcimg，srcimg，seg_liverimage，i，i，shape =（16，256，256）形狀=（16、256、256），numbsxy = 5，numberz = 10），然後將trainlivermask更改為traintumormask
- 最後將所有數據文件夾路徑保存到CSV文件中：運行utils.py
這樣的文件：
g： data sementation image/0_161
g： data sementation image/0_162
g： data sementation image/0_163
2、肝臟和腫瘤分割
- 在vnet3d_train.py和vnet3d_predict.py的腳本中進行訓練和預測
3，下載資源
- 肝臟細分訓練的模型，日誌，測試數據可以在此處下載：https：//pan.baidu.com/s/1ijk6bg3vzm4nhwz6s2yfiw，密碼：74J5
- LITS數據有130例，使用0-110案例進行操作，而其他情況正在測試。測試結果可以在此處下載：https：//pan.baidu.com/s/1a_-u7tjcn7riqnrlasqi4a密碼：22ES：22ES
- LITS火車和測試源數據可以在此處下載：https：//pan.baidu.com/s/1-kxj7res4kq5ypitfmqxeg密碼：nlrd
結果
受過訓練的損失
肝段結果
肝排行榜
測試案例細分結果可以在35.mp4,38.mp4和51.mp4的文件中看到
第一col是srcimage，第二col是地面蒙版圖像，第三col為vnet分割圖像
病變排行榜
接觸
