从今天开始，我们会分享在肝肿瘤分割挑战赛中的一些阶段性进展。希望可以给感兴趣参加比赛的朋友抛个砖入个门，我们也非常欢迎有经验的朋友提出好的见解，可以一起学习交流。
一、数据和模型准备
所有的LiTS数据和深度学习模型，在之前的文章中已经分享了，这里就不多说了，详见github：https://github.com/junqiangchen/LiTS---Liver-Tumor-Segmentation-Challenge。
二、整个训练处理过程
我用的是GTX1080显卡，训练的时候图像大小是256x256x16。LiTS训练数据一共有130例，选择0-110做为训练，111-130做为测试。在训练图像上进行裁切操作，生成多个Patch子图像。VNet训练的batchsize只能设置成1，使用Adam优化器，学习率是0.001，epoch次数是10等。训练完后，loss如图所示。
三、整个测试处理过程
在模型训练完后，接下来就要进行测试分割，测试的图像输入大小为512x512x32。测试原始图像大小是512x512xn，n是多少层（不确定值），用VNet分割时，按步长16，从512x512xn大小的图像上不断裁切出512x512x32大小图像，再输入到网络中得到相应分割结果，最后将这些分割结果进行拼接合并得到最终输出分割结果。
四、对分割结果进行分析
我选择了几层图像来进行效果对比，第一列是原始图像，第二列是金标准Mask图像，第三列是VNet分割Mask图像，如图所示。从图中分割结果来看，在肝的前端和尾端区域分割效果不是特别好，而中间区域分割效果还是不错的。通过计算dice值是0.9761。
最后我把训练模型和测试用的数据分享给大家。
模型地址：https://pan.baidu.com/s/1BCLetHEot5dXKm3PBO9bOg
提取码：ucbv 。
测试数据额地址：https://pan.baidu.com/s/1A_-u7tJcn7rIqnrLaSqi4A提取码：22es 。
