MRI-U-net

基于U-net和MRI图像的膀胱壁边缘以及膀胱肿瘤检测

膀胱癌位居男性恶性肿瘤发病率第四、死亡率第八， 由于复发率高，患者多在诊断、治疗、复发、再治疗中循环 ，是目前花费最高的癌症之一。实现膀胱肿瘤的早期检测对于预防 膀胱癌、降低死亡率、提高患者生活质量具有重要意义。

数据格式介绍：所有训练集数据，都是二维png格式图像，患者的数据以“IM” 开头，标记的图像以“Label”开头，后面的数字代表图像编号。在标记图像中， 我们已将肿瘤区域（灰度值255）和膀胱壁区域（灰度值128）分开。

文件说明

│  README.md 项目介绍
├─data
│     README.md 数据说明
│
├─img 图片
│
│
├─model
│      README.md 模型说明
│      slurm-35844.out 训练时产生的数据文件
│      
└─src
        Main.py 主程序
        UNetKeras.py U-net类
        utils.py 基础工具

U-net基本结构

由于本项目最终做的是多（3）分类，因此在在最后一层用的是Softmax激活函数并且最后一层的通道为分类数（即3）。

数据

三种不同种类的数据：

• 肿瘤患者膀胱壁区域切片
• 正常人膀胱壁区域切片
• 非膀胱壁区域切片

Image:

Label:

开发环境

• Python3.6+
• TensorFlow1.8
• Keras
• Numpy
• Sklearn 0.19.1

使用

• 重新训练模型：
  • 打开data目录，阅读README.md文件，下载并解压数据集
  • 使用python运行Main.py主程序
• 使用模型已经训练的模型：
  • 打开model目录，阅读README.md文件，下载模型
• 预测(参考)：

  • from scipy import ndimage
    import tensorflow as tf
    import numpy as np
    
    image = np.array(ndimage.imread("img.png", flatten=False))
    image /=255.
    image = np.expand_dims(image, -1)
    
    model = tf.keras.model.load("model/model_final_time.h5") # 或者val_best_time.h5
    pred = model.predict(image)

OpenSourceAI

欢迎有兴趣的朋友加入我们，一个喜欢开源、热爱AI的团队。

OpenSourceAI Org： https://github.com/opensourceai

QQ Group: 584399282