pytorch nested unet

UNET ++的Pytorch實現（嵌套的U-NET）

該存儲庫包含基於UNET ++的圖像分割模型的代碼：用於Pytorch中實現的醫療圖像分割的嵌套U-NET體系結構。

[新]增加對多級分割數據集的支持。

[新]增加對Pytorch 1.x的支持。

要求

• Pytorch 1.x或0.41

安裝

1. 創建一個Anaconda環境。

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

2. 安裝Pytorch。

conda install pytorch torchvision cudatoolkit=10.1 -c pytorch

3. 安裝PIP軟件包。

pip install -r requirements.txt

2018年數據科學碗數據集培訓

1. 從此處下載數據集以輸入/和UNZIP。文件結構如下：

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

2. 預處理。

python preprocess_dsb2018.py

3. 訓練模型。

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

4. 評價。

python val.py --name dsb2018_96_NestedUNet_woDS

（可選）使用lovaszhingeloss

1. 來自BermanMaxim/Lovaszsoftmax的Clone Lovaszsoftmax。

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

2. 用Lovaszhingeloss訓練模型。

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

原始數據集的培訓

確保將文件作為以下結構（例如類別為2）放置為：

 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. 訓練模型。

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

2. 評價。

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

結果

DSB2018（96x96）

這是DSB2018數據集（96x96）的結果。

模型	iou	損失
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