作者原版github: LesaNet
一、环境配置
1.下载CADLab中的LesaNet文件夹
https://github.com/rsummers11/CADLab.git #下载库
cd CADLab/LesaNet #只需要用到LesaNet部分
conda create -n Lesa python=2.7 #创建python2.7的虚拟环境
source activate Lesa #激活
conda install pytorch=0.4.1 torchvision #安装0.4.1的pytorch包及torchvision
pip install -r requirements.txt #安装所需要的包
注:如果CADLab下载超时,因为太大了。就使用该插件(需科学上网)仅下载LesaNet文件夹。
2.roi_pooling编译
roi_pooling编译后放入roi_pooling/文件夹中:
从此处下载faster-rcnn的库:
git clone https://github.com/jwyang/faster-rcnn.pytorch.git #下载库
cd faster-rcnn.pytorch
#编译cuda依赖
cd lib
sh make.sh
这里会得到roi_pooling的文件夹(在/faster-rcnn.pytorch/lib/model下),将其下移动到Lesa中的roi_pooling/文件夹中。
3.预训练模型下载
在该处下载预训练模型,下载后放在chechpoints/文件夹中。
二、数据集
下载DeepLesion数据集,共有56个zip文件(以及其他部分标注信息),全部unzip解压后均放于Image_png文件夹中。
三、配置参数
有两个配置文件:config.yml和default.yml。
需要修改default.yml中的
分别修改成为自己的DeepLesion文件及所在路径,后缀都不用改变。
1.demo
此时,是默认demo模式:
config.yml中可修改该算法的超参数。
然后运行run.sh
sh run.sh
注:作者的shell脚本有点问题,做一点修改:
输出:
要求输入nifti CT volume的路径。
要求输入坐标文件的路径。
这里都使用实例的:
输出:
输出的结果图片(patch):
2.训练
在default.yml中将mode改成train:
这里顺便把对所有病灶都生成特征图改成True。
然后再次运行run.sh,输出:
3.测试
将mode改成infer,运行run.sh:
生成了以下文件:
修改visualize_results.py中的路径并运行:
生成一系列可视化图片存于results/visualize_images:
其中一张如下:
还生成一个html文件:results/show_results.html
其中一个示例如下: