上一篇文章分享了用VNet来分割肝器官的整个实现流程,在训练数据上也进行了测试,达到了初步的预期效果。在进入今天的正题前,首先感谢华中科技大学的刘同学,他下载了LiTS所有数据(包括训练数据和测试数据)并将数据分享给了我。今天呢,我们将在测试数据上进行分割实验,由于没有金标准Mask图像,所以没有计算客观评价指标,只能通过人眼来看了。
上一篇文章是在训练数据上分割出的效果,是已知肝器官开始和结束的位置信息条件下进行分割实验的。但在测试集上就没法确定肝器官的起始和结束位置信息,只能很暴力地将整个图像读入,使用上一篇文章中方法将原始图像数据不断输入网络中进行推理分割,最后获得VNet分割结果图像。小插曲:在推理的时候,本想在GPU上进行推理,推理过程不涉及梯度计算和权重更新,所以计算量应该没有那么大,但是GTX1080显卡竟然在没有全部推理完成前就出现了OOM(out of memory)错误。无奈,我只能在CPU下进行推理了,可想而知整个过程非常漫长(选择一个好的GPU是多么重要)。所幸还好,利用周末时间在测试数据上进行推理(不知道为什么测试数据只有三个case,如果有哪位朋友知道原因或有完整的数据,希望可以在公众号上给我留言,我们可以进行交流),分割效果录制成视频。
大家觉得分割结果怎么样呢?欢迎留言交流。