本文要分析的代码作者是jonrmulholland

https://github.com/booz-allen-hamilton/DSB3Tutorial

数据集：

LUNA 2016

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])

    for i in range(len(imgs)):
        print("image:",i)
        fig, ax = plt.subplots(2, 2, figsize=[8, 8])
        ax[0, 0].imshow(imgs[i], cmap='gray')
        ax[0, 1].imshow(lungmask[i], cmap='gray')
        ax[1, 0].imshow(imgs[i] * lungmask[i], cmap='gray')
        plt.show()
        input("hit enter to cont : ")

得到结果如下：

第二步：运行LUNA_segment_lung_ROI.py，生产trainImages.npy，trainMasks.npy，testImages.npy，testMasks.npy

该步骤主要进行肺实质的分割，该代码的思路是采用基于二值化的方法，分割好肺实质的后，图像重新resize到512*512，同样的方法对mask结果也进行处理。
第二步完成后，可以通过下列代码查看结果：

def CheckLungMask():
    imgs = np.load(working_path + 'images_0003_0024.npy')
    masks = np.load(working_path + 'masks_0003_0024.npy')
    lungmask = np.load(working_path + 'lungmask_0003_0024.npy')

    # np.set_printoptions(threshold=np.inf)
    # print("numpy 打印显示不全处理")

    # print(lungmask)

    for i in range(len(imgs)):
        print("image:", i)
        fig, ax = plt.subplots(2, 2, figsize=[8, 8])
        ax[0, 0].imshow(imgs[i], cmap='gray')
        ax[0, 1].imshow(lungmask[i], cmap='gray')
        ax[1, 0].imshow(imgs[i] * lungmask[i], cmap='gray')
        ax[1, 1].imshow(masks[i], cmap='gray')
        plt.show()
        input("hit enter to cont : ")

结果图如下：

第三步：运行LUNA_train_unet.py，训练U-Net模型

本文使用显卡为GTX1060，设置为20个epoch，训练集大小为307，批量大小为2。 运行后dice系数大约0.3
结果保存在masksTestPredicted.npy中，查看了一下结果：一片黑，没有任何东西
分割效果非常不理想，why? 步骤是完全按照文档一步步进行的
分析原理：
1.查看了部分肺实质分割结果，发现有一下分割效果很差的，难道是因为这样？
2.原实验是使用使用TitanX训练得到的，太贵了，我是买不起，我个人用的是GXT1060，难道是因为这样？
3.dice系数才0.3，这个也太低了

原因可度娘。