# 3Dircadb_Use_Unet

**Repository Path**: fxtfxt/Dircadb_Use_Unet

## Basic Information

- **Project Name**: 3Dircadb_Use_Unet
- **Description**: No description available
- **Primary Language**: Unknown
- **License**: Not specified
- **Default Branch**: master
- **Homepage**: None
- **GVP Project**: No

## Statistics

- **Stars**: 3
- **Forks**: 0
- **Created**: 2021-02-25
- **Last Updated**: 2022-02-17

## Categories & Tags

**Categories**: Uncategorized

**Tags**: None

## README

# 3Dircadb_Use_Unet
使用**U-net**对**3Dircadb**数据集进行肿瘤预测

学习大佬博客实现的大佬，建议学习[**原博**](https://blog.csdn.net/normol/article/details/88778250)~

# How to Use

- 运行`generate_train.py`获得训练集
- 运行`generate_test.py`获得验证集
- 运行`train.py`训练模型，模型结果保存于`models/`

- 运行`test.py`实现预测，预测结果保存于`preds/`
- 注1：代码直接使用验证集进行预测，实际中得自己再制作测试集，实现方法同`generate_test.py`
- 注2：理解代码可见原博，也可查看`助于理解代码的实验.ipynb`，我做了一些可视化助于理解~
- 注3：使用自己制定测试集预测，依次修改运行`result_generate.py`,`result_test.py`,`result_test.py`即可（较易懂）。

# Result

`dice_coef` = 0.8

### **预测结果展示**	

（这里直接使用验证集 qwq）

![](./images/1.png)

![](./images/2.png)

![](./images/3.png)



> 注: 	  		gt 为 groundTruth,  		  pred 为 模型预测结果



# Reference

- [医学图像分割 基于深度学习的肝脏肿瘤分割 实战(一）](<https://blog.csdn.net/normol/article/details/88778250>)