运行此文件可预测单个病例。
输入的是data/ct中的.npy数据,输出保存在data/predict中,输入与输出id一一对应\
保存需要用到的已经训练完成的一个分类模型model1.pkl和一个分割模型model2.pkl\
data/ct/XX.npy表示单个病人的一张切片,是处理后的CT图像数据。由dicom读出后,转换成灰度值并设置截断区间为[-128,256],然后归一化所得。大小为256×256的二位矩阵
data/label/XX.npy是医生勾画的标准CTV的256*256的二位矩阵,其中值为1的像素点表示该处为目标区域,值为0表示不为目标区域
data/predict/XX.jpg是模型预测的每张切片CTV图像,与data/label/XX.npy中对应id图像越相似表示分割效果越好\
保存的是训练过程中用到的模型的构建代码\
python 3.6
Package Version
-------------------- -----------
absl-py 0.10.0
astor 0.8.1
beautifulsoup4 4.9.3
certifi 2020.6.20
cycler 0.10.0
decorator 4.1.2
future 0.18.2
gast 0.4.0
google-pasta 0.2.0
graphviz 0.16
grpcio 1.32.0
h5py 2.10.0
hausdorff 0.2.6
imageio 2.10.1
importlib-metadata 2.0.0
joblib 0.17.0
Keras-Applications 1.0.8
Keras-Preprocessing 1.1.2
kiwisolver 1.2.0
llvmlite 0.36.0
lxml 4.6.1
Markdown 3.3
matplotlib 2.0.2
networkx 1.11
nibabel 3.1.1
numba 0.53.1
numpy 1.19.5
olefile 0.44
opencv-python 3.4.3.18
packaging 20.4
pandas 1.1.3
Pillow 8.4.0
pip 20.2.3
protobuf 3.13.0
pydicom 2.0.0
pyparsing 2.4.7
python-dateutil 2.8.1
pytz 2020.1
PyWavelets 0.5.2
scikit-image 0.13.0
scikit-learn 0.23.2
scipy 1.5.4
setuptools 50.3.0
SimpleITK 2.0.2
six 1.15.0
sklearn 0.0
soupsieve 2.0.1
tensorboard 1.15.0
tensorboardX 2.1
tensorflow-estimator 1.14.0
tensorflow-gpu 1.14.0
termcolor 1.1.0
threadpoolctl 2.1.0
torch 1.6.0+cu101
torchvision 0.7.0+cu101
tqdm 4.51.0
Werkzeug 1.0.1
wheel 0.29.0
wrapt 1.12.1
zipp 3.3.0\
激活环境 以下命令为ubuntu终端命令,pytorch_env是我的环境名称
source activate pytorch_env
运行预测代码
python predictOne.py