文章目录

本文要分析的代码作者是jonrmulholland
数据集：
重要文件介绍：
第一步：运行LUNA_mask_extraction.py，生产images_#.npy，masks_#.npy
第二步：运行LUNA_segment_lung_ROI.py，生产trainImages.npy，trainMasks.npy，testImages.npy，testMasks.npy
第三步：运行LUNA_train_unet.py，训练U-Net模型
原因可度娘。

本文要分析的代码作者是jonrmulholland

https://github.com/booz-allen-hamilton/DSB3Tutorial

数据集：

LUNA 2016

重要文件介绍：

LUNA_mask_extraction.py，LUNA_segment_lung_ROI.py，LUNA_train_unet.py

第一步：运行LUNA_mask_extraction.py，生产images_#.npy，masks_#.npy

该步骤主要是生产掩码文件，该掩码文件作为实验的输出结果，运行成功后，可以通过下列代码查看结果：

#查看掩码生成的文件
def CheckImageMask():working_path = "./tutorial/"imgs = np.load(working_path + 'images_0001_0009.npy')lungmask = np.load(working_path + 'masks_0001_0009.npy')# np.set_printoptions(threshold=np.inf)# print("numpy 打印显示不全处理")# print(lungmask)# print(imgs[0])# print(imgs[0] * lungmask[0])for i in range(len(imgs)):print("image:",i)fig, ax = plt.subplots(2, 2, figsize=[8, 8])ax[0, 0].imshow(imgs[i], cmap='gray')ax[0, 1].imshow(lungmask[i], cmap='gray')ax[1, 0].imshow(imgs[i] * lungmask[i], cmap='gray')plt.show()input("hit enter to cont : ")

得到结果如下：

第二步：运行LUNA_segment_lung_ROI.py，生产trainImages.npy，trainMasks.npy，testImages.npy，testMasks.npy

该步骤主要进行肺实质的分割，该代码的思路是采用基于二值化的方法，分割好肺实质的后，图像重新resize到512*512，同样的方法对mask结果也进行处理。
第二步完成后，可以通过下列代码查看结果：

def CheckLungMask():imgs = np.load(working_path + 'images_0003_0024.npy')masks = np.load(working_path + 'masks_0003_0024.npy')lungmask = np.load(working_path + 'lungmask_0003_0024.npy')# np.set_printoptions(threshold=np.inf)# print("numpy 打印显示不全处理")# print(lungmask)for i in range(len(imgs)):print("image:", i)fig, ax = plt.subplots(2, 2, figsize=[8, 8])ax[0, 0].imshow(imgs[i], cmap='gray')ax[0, 1].imshow(lungmask[i], cmap='gray')ax[1, 0].imshow(imgs[i] * lungmask[i], cmap='gray')ax[1, 1].imshow(masks[i], cmap='gray')plt.show()input("hit enter to cont : ")

结果图如下：

第三步：运行LUNA_train_unet.py，训练U-Net模型

本文使用显卡为GTX1060，设置为20个epoch，训练集大小为307，批量大小为2。运行后dice系数大约0.3
结果保存在masksTestPredicted.npy中，查看了一下结果：一片黑，没有任何东西
分割效果非常不理想，why? 步骤是完全按照文档一步步进行的
分析原理：
1.查看了部分肺实质分割结果，发现有一下分割效果很差的，难道是因为这样？
2.原实验是使用使用TitanX训练得到的，太贵了，我是买不起，我个人用的是GXT1060，难道是因为这样？
3.dice系数才0.3，这个也太低了

原因可度娘。

全卷积神经网路【U-net项目实战】肺结节分割案例分析：DSB3Tutorial相关推荐

全卷积神经网路【U-net项目实战】语义分割之U-Net详解
文章目录 1.简介 2.U-net典型应用 3. U-net详解 4.参考文献 1.简介语义分割(Semantic Segmentation)是图像处理和机器视觉一个重要分支.与分类任务不同,语义分 ...
全卷积神经网路【U-net项目实战】U-Net源码上实现自己数据集的分割任务
文章目录环境: 数据集准备: 主要代码: 接下来是训练,此处将训练和测试分开在两个.py文件中,好调用! 接下来就是愉快的测试了:main_test.py 测试结果部分展示:(裂缝检测) 问题 : ...
全卷积神经网路【U-net项目实战】LUNA 2016 数据集详解
文章目录 1.LUNA 2016 数据集详解 2.mdh数据格式详解 3.python读取mdh的方法 4.annotations.csv坐标转换 5.LUNA16数据集肺结节显示 1.LUNA 20 ...
全卷积神经网路【U-net项目实战】Unet++
文章目录前言概述细节部分 1.一张结构图 & 解释: 2.loss:binary cross-entropy和dice coefficient两部分的组合.以下的loss应用到每一个不同 ...
全卷积神经网路【U-net项目实战】U-Net网络练习题： Kaggle - 2018 Data Science Bowl
因为Kaggle有该比赛,而且code写的很简单易懂,于是乎拿来玩一下. https://www.kaggle.com/keegil/keras-u-net-starter-lb-0-277?scri ...
全卷积神经网路【U-net项目实战】论文中U-Net网络实现
文章目录设计神经网络的一般步骤 Unet网络设计的步骤 Unet网络最重要的特征示例代码设计神经网络的一般步骤设计框架设计骨干网络 Unet网络设计的步骤设计Unet网络工厂模式设计编解 ...
全卷积神经网路【U-net项目实战】ISBI 挑战数据集图像分割-keras实现
文章目录 1.数据准备 2.程序准备 3.运行网络 4.测试结果 5.参考 1.数据准备原始数据:首先准备数据,参考数据来自于 ISBI 挑战的数据集.数据可以在(https://github.co ...
全卷积神经网路【U-net项目实战】U-net网络结构为什么在医学影像分割上表现不错
文章目录前言个人的理解: 1.医学图像边界模糊.梯度复杂,需要较多的高分辨率信息,深度学习可以做到这一点,比如上采样下采样以及skip connection和concatenation 2.待分割 ...
目标检测——卷积神经网路基础知识
目标检测--卷积神经网路基础知识卷积神经网络 LeCun的LeNet(1998)网络结构卷积神经网络发展历史卷积神经网络可以做什么全连接层介绍 BP神经网络通过BP神经网络做车牌数字识别 ...

全卷积神经网路【U-net项目实战】肺结节分割案例分析：DSB3Tutorial