基于paddle框架的肝脏及肝脏肿瘤分割。这个项目目前还在修改，但是在肝脏上已经做到.92的准确率，后期会加入更多网络结构和loss做成一个小框架。

• config.py 包含项目配置，主要是文件路径
• preprocess.py 进行数据预处理，将3D体数据保存为2.5Dnpy
• train.py 进行Unet训练
• infer.py 进行前向推理

安装环境依赖:

pip install -r requirements.txt

paddle框架的安装参考paddle官网 如果进行训练需要有lits数据集，在aistudio上可以找到。训练集 测试集
数据集下载，解压之后将所有的训练集volume放到一个文件夹，所有的训练集label放到一个文件夹，测试集volume放到一个文件夹。修改 config.py 中对应的路径。

配置完毕需要首先进行数据预处理，这里主要是将数据从3D转为2.5D的slice，方便后续训练，也可以在这一步结合一些预处理步骤，比如窗口化，3D旋转之类的。这里前面的路径都配置好了的话应该不会有问题。

python preprocess.py

网络用预处理后的数据进行训练，训练提供一些参数，可以查看代码或者 -h 显示。如果用的是cpu版本的paddle，use_gpu设成 False。

python train.py --use_gpu = True --num_epochs = 20

最后一步是用训练好的网络进行预测，模型权重的路径在代码中，按照上一步实际输出的路径进行修改。代码会读取inference路径下所有的nii逐个进行预测。目前支持的数据格式有 .nii, .nii.gz。

python infer.py -use_gpu = True

这个项目在aistudio中有完整的环境，fork项目可以直接运行，项目地址中运行