Pytorch 医学图像分割

阅读中文介绍：点击这里！

注意事项

我们计划在近期对代码进行重大更新，如果您有任何建议，请随时发送邮件至我的邮箱或在 issue 中提出。

最近更新

• 2021.1.8 发布了训练和测试代码。
• 2021.2.6 在Shanshan Li的帮助下修复了 dice 计算中的一个 bug。
• 2021.2.24 发布了视频教程(https://www.bilibili.com/video/BV1gp4y1H7kq/)。
• 2021.5.16 修复了 Unet3D 实现中的一个 bug。
• 2021.5.16 发布了评估指标代码。
• 2021.6.24 所有参数现在可以在 hparam.py 中调整。
• 2021.7.7 现在您可以参考 Pytorch-Medical-Classification 中的医学分类。
• 2022.5.15 现在您可以参考 SSL-For-Medical-Segmentation 中医学分割的半监督学习。
• 2022.5.17 我们更新了训练和推理代码，并修复了一些 bug。

环境要求

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

注意事项

• 您可以修改 hparam.py 来决定是进行 2D 还是 3D 分割，以及是否进行多类别分割。
• 我们提供了几乎所有 2D 和 3D 分割算法。
• 本仓库兼容几乎所有医学数据格式(如 nii.gz, nii, mhd, nrrd 等)，只需在配置的 hparam.py 中修改 fold_arch。我建议您在使用前将源图像和标签图像都转换为相同的类型，其中标签用 1 标记，而不是 255。
• 如果您想使用多类别程序，请自行修改相应的代码。我无法识别您的具体类别。
• 无论是 2D 还是 3D，本项目都使用patch进行处理。因此，图像不必严格保持相同大小。但在 2D 中，您应该将 patch 设置得足够大。

准备数据集

示例1

如果您的源数据集是：

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
└── ...

而您的标签数据集是：

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
└── ...

那么您应该在 hparam.py 中将 fold_arch 修改为 *.mhd，source_train_dir 修改为 source_dataset，label_train_dir 修改为 label_dataset。

示例2

如果您的源数据集是：

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
└── ...

而您的标签数据集是：

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
└── ...

那么您应该在 hparam.py 中将 fold_arch 修改为 */*.mhd，source_train_dir 修改为 source_dataset，label_train_dir 修改为 label_dataset。

训练

• 不使用预训练模型

将 hparam.train_or_test 设置为 'train'
python main.py

• 使用预训练模型

将 hparam.train_or_test 设置为 'train'
python main.py -k True

推理

• 测试

将 hparam.train_or_test 设置为 'test'
python main.py

示例

教程

• https://www.bilibili.com/video/BV1gp4y1H7kq/

已完成

网络

• 2D

• unet
• unet++
• miniseg
• segnet
• pspnet
• highresnet(从 https://github.com/fepegar/highresnet 复制，感谢 fepegar 的慷慨分享！)
• deeplab
• fcn

• 3D

• unet3d
• residual-unet3d
• densevoxelnet3d
• fcn3d
• vnet3d
• highresnert(从 https://github.com/fepegar/highresnet 复制，感谢 fepegar 的慷慨分享！)
• densenet3d
• unetr (从 https://github.com/tamasino52/UNETR 复制)

评估指标

• metrics.py 用于评估您的结果

待办事项

• 数据集
• 基准测试
• nnunet

顺便说一下

这个项目还不完善，仍存在许多问题。如果您正在使用这个项目并想给作者一些反馈，可以发送邮件至 我的邮箱。

致谢

这个仓库是医学图像分割在3D和2D上的非官方PyTorch实现，主要基于 MedicalZooPytorch 和 torchio。感谢以上仓库。本项目在 肖若秀教授、宋爽教授 和 陈诚博士 的指导下完成。感谢 张有明、高代恒、张杰、陶星、姜伟利 和 李珊珊 给予的所有帮助。