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
set hparam.train_or_test to 'train'
python main.py
set hparam.train_or_test to 'train'
python main.py -k True
Inference
set hparam.train_or_test to 'test'
python main.py
实例
教程
Done
Network
Metric
TODO
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 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。
相关工作
如果这些代码对您有帮助,您可以引用下列论文,谢谢。
[1] Chen C, Zhou K. An Effective Deep Neural Network for Lung Lesions Segmentation from COVID-19 CT Images[J]. IEEE Transactions on Industrial Informatics, 2021.
[2] Chen C, Zhang T, et al. Pathological lung segmentation in chest CT images based on improved random walker[J]. Computer Methods and Programs in Biomedicine, 2021, 200: 105864.