README-zh.md

Pytorch Medical Segmentation

英文版请戳：这里！

最近的更新

• 2021.7.7 训练和测试代码已经发布

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分类还是3D分类以及是否可以进行多分类。
• 我们几乎提供了所有的2D和3D分类的算法。
• 本项目兼容几乎所有的医学数据格式(例如 png, nii.gz, nii, mhd, nrrd, ...)，修改hparam.py的fold_arch即可。
• 如果您想进行多分类分割，请自行修改data_function.py的对应代码。我不能确定您的具体分类数。

准备您的数据

例

如果您的source文件夹如下排列 :

categpry-0
├── source_1.png
├── source_2.png
├── source_3.png
└── ...

categpry-1
├── source_1.png
├── source_2.png
├── source_3.png
└── ...

您应该修改 fold_arch 为 */*.png, source_train_0_dir 为 categpry-0 并修改 source_train_1_dir 为 categpry-1 in hparam.py

训练

• 不使用预训练模型

set hparam.train_or_test to 'train'
python main.py

• 使用预训练模型

set hparam.train_or_test to 'train'
set hparam.ckpt to True
python main.py

Inference

• 测试

set hparam.train_or_test to 'test'
python main.py

Done

Network

• 2D

• alexnet
• densenet
• googlenet
• mobilenet
• nasnet
• resnet
• resnext
• vggnet

• 3D

• densenet3d
• resnet3d
• resnext3d

TODO

• dataset
• benchmark

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Kangneng Zhou发邮件，或添加他的微信：ellisgege666

致谢

这个项目是一个非官方PyTorch实现的3D和2D医学分类，高度依赖于pytorch-cifar100和torchio。感谢上述项目。感谢Cheng Chen和Weili Jiang对我的帮助。