Tensorflow入门教程(二十）——基于VNet3D的前列腺分割案例

在之前的篇章中我分享过用2D版本的VNet来进行MR图像的前列腺分割，但是2D版本的VNet是存在错误分割问题的，所以今天我将分享如何用Tensorflow实现3D版本的VNet来进行前列腺分割，以此来解决2D版本的VNet中的问题。

1、网络实现

基于Tensorflow实现了3D版本的VNet来进行分割实验（我用的是NVIDA显卡：GTX1080）。

具体实现我已经分享到github上：

https://github.com/junqiangchen/VNet3D。

2、数据集下载和处理

我们使用MICCAI Grand Challenge：Prostate MR Image Segmentation 2012的横向T2加权MR前列腺图像来做为我们的数据。下载地址：https://promise12.grand-challenge.org/download/。

下载完成后，我们需要对图像进行一些预处理操作，首先需要对图像进行线性插值，将图像都插值到相同的尺寸大小，由于计算机硬件限制，我们还需要对图像进行取patch操作（原始图像大小：512x512x64，取完patch后图像大小：128x128x64）。为了方便大家学习，我已经将处理完成的图像分享到百度云盘上。

3、训练结果

下面是模型训练时损失函数变化的情况。

为了更直观看到模型训练时的变化的情况，我们每隔一定次数将预测图像和GroundTruth图像进行显示对比。

0-epoch：GroundTruth图像

0-epoch：预测图像

1000-epoch：GroundTruth图像

1000-epoch：预测图像

10000-epoch：GroundTruth图像

10000-epoch：预测图像

4、结果

训练完模型后，在测试集上进行测试，部分结果如下。

2D版本的VNet容易在MR图像末尾几张中出现错误分割，我们从上面可以看到3D版本的VNet不仅整体分割效果不错，而且没有出现错误分割。感兴趣的朋友可以在github上看到详细的过程，如果大家觉得这个项目还不错，希望大家给个Star并Fork，可以让更多的人学习。如果碰到任何问题，随时留言，我会尽量去回答的。