Skip to content

Latest commit

 

History

History
executable file
·
167 lines (141 loc) · 5.38 KB

README-zh.md

File metadata and controls

executable file
·
167 lines (141 loc) · 5.38 KB
Raw

Pytorch Medical Segmentation

英文版请戳：这里！

Notes

我们计划在最近对代码进行一次大更新，如果您有任何建议，请随意给我发邮件或者在issue里提。

最近的更新

环境要求

  • pytorch1.7
  • torchio<=0.18.20
  • python>=3.6

通知

  • 您可以修改hparam.py文件来确定是2D分割还是3D分割以及是否可以进行多分类。
  • 我们几乎提供了所有的2D和3D分割的算法。
  • 本项目兼容几乎所有的医学数据格式(例如 nii.gz, nii, mhd, nrrd, ...)，修改hparam.py的fold_arch即可。我希望您能在使用前把source和label图片都转成相同的类型，其中，label用1标志，不是255。
  • 如果您想进行多分类分割，请自行修改对应代码。我不能确定您的具体分类数。
  • 不论是2D或是3D，本项目均采用patch的方式。故图片大小不必严格保持一致。在2D中，您应该把patch设置的足够大。

准备您的数据

例1

如果您的source文件夹如下排列 :

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
└── ...

同时您的label文件夹如下排列 :

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
└── ...

您应该修改 fold_arch 为 *.mhd, source_train_dir 为 source_dataset 并修改 label_train_dir 为 label_dataset in hparam.py

Example2

如果您的source文件夹如下排列 :

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
└── ...

同时您的label文件夹如下排列 :

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
└── ...

您应该修改 fold_arch 为 */*.mhd, source_train_dir 为 source_dataset 并修改 label_train_dir 为 label_dataset in hparam.py

训练

  • 不使用预训练模型
set hparam.train_or_test to 'train'
python main.py
  • 使用预训练模型
set hparam.train_or_test to 'train'
python main.py -k True

Inference

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

实例

教程

Done

Network

  • 2D
  • 3D

Metric

  • metrics.py 来评估您的结果

TODO

  • dataset
  • benchmark
  • nnunet

By The Way

这个项目并不完美，还存在很多问题。如果您正在使用这个项目，并想给作者一些反馈，您可以给我发邮件。

致谢

这个项目是一个非官方PyTorch实现的3D和2D医学分割，高度依赖于MedicalZooPytorch和torchio。感谢上述项目。本项目在Prof. Ruoxiu Xiao, Prof. Shuang Song 和 Dr. Cheng Chen的指导下完成。感谢Youming Zhang, Daiheng Gao, Jie Zhang, Xing Tao, Weili Jiang和Shanshan Li 对我的帮助。