基于U-net和MRI图像的膀胱壁边缘以及膀胱肿瘤检测.zip

# 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](https://github.com/opensourceai/MRI-U-net/blob/27bbf5ed93691e01241754e5f87995ae2a73cc6d/src/Main.py#L61-L64))： - ```python 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](https://shang.qq.com/wpa/qunwpa?idkey=46b645557bb6e6f118e0f786daacf61bd353b68a7b1ccba71b4e85b6d1b75b31)