使用U-Net进行肺结节分割案例分析：DSB3Tutorial

zsddragon

于 2019-07-30 13:16:57 发布

阅读量1w

点赞数 7

分类专栏：肺结节检测

本文链接：https://blog.csdn.net/zsddragon/article/details/97773331

版权

本文详述了一个使用U-Net进行肺结节分割的案例，基于LUNA2016数据集，通过LUNA_mask_extraction.py和LUNA_segment_lung_ROI.py生成掩码和分割图像，然后在GTX1060上训练U-Net模型。然而，训练结果的dice系数仅为0.3，可能的原因包括肺实质分割效果不佳、GPU配置不同等。作者将继续分析问题所在。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

使用U-Net进行肺结节分割案例分析：DSB3Tutorial

本文要分析的代码作者是jonrmulholland，这里是其链接地址
数据集：LUNA 2016，这里是LUNA2016数据集详细说明链接
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])

最低0.47元/天解锁文章