医学图像分割——Unet

这是一个学习记录博~可能有错，欢迎讨论

P.S. 本文所用的unet源码来自Unet源码。

目标

实现胃部超声图像的病灶分割

医学数据以及预处理简介

医学图像的数据格式十分复杂，数据形式有什么CT图像，MRI图像（目前还没接触过~），超声图像等（详细信息可以参考：医学图像了解。），而数据格式上有诸如dicom(.dcm，.IMA，常用的python处理库有：SimpleITK, pydicom库)，Nifit(.nii或.nii.gz，常用的python处理库有：SimpleITK, nibabel库)，NRRD（.nrrd，常用的python处理库有：SimpleITK，pynrrd库）等。

这里再插一句，对于CT图像呢，有图像值与HU值这个概念，CT值属于医学领域的概念，通常称亨氏单位(hounsfield unit ，HU)，反映了组织对X射线吸收程度，范围一般是[-1024,3071]。图像值属于计算机领域的概念，例如灰度图像的范围一般是[0,255]。

在网上有看到这样的解释（CT图像之Hu值变换与窗宽窗位调整）：

对于nii格式的图片，经过测试，nibabel, simpleitk常用的api接口，都会自动的进行上述转化过程，即取出来的值已经是Hu了。(除非专门用nib.load('xx').dataobj.get_unscaled()或者itk.ReadImage('xx').GetPixel(x,y,z)才能取得原始数据）

对于dcm格式的图片，经过测试，simpleitk, pydicom常用的api接口都不会将原始数据自动转化为Hu！！(itk snap软件读入dcm或nii都不会对数据进行scale操作)

但我认为这个解释不是很对，因为我用simp