今天将分享COVID的二值分割在测试数据上的完整实现过程，为了方便大家学习理解整个流程，将整个流程步骤进行了整理，并给出详细的步骤结果。感兴趣的朋友赶紧动手试一试吧。
一、图像分析与预处理
（1）、199例COVID的CT原始数据和标注数据及训练标签文件可以在官网上下载获取得到。验证数据一共有50例CT数据，也可以在官网上下载了。测试数据一共有46例CT数据，有些是与训练和验证数据是同分布的，有一部分是不同分布的。只有注册了参赛选手才有私人下载链接。
（2）、采用简单粗暴的方式来处理数据，由于训练的显卡是1080ti的11G显存的，所以首先将训练原始图像和标注图像进行图像大小缩放到固定大小，具体是160x160x64，如果你的显卡显存足够大的话，可以将该大小改的大一点，如果显存小的话，可以将该大小改小一点。
（3）、对缩放后的原始图像进行窗宽窗位设置，将-1000到0之间的Hu值进行保留，其他的范围进行截断处理。
（4）、然后在采用均值为0，方差为1的方式对原始图像进行归一化处理。
（5）、为了防止模型过拟合，还增加了数据增强的处理过程，采用旋转，平移，翻转等方法对图像和标注数据同时进行扩充处理，这里扩充了20倍。
二、分割网络
（1）、搭建VNet3d模型，网络输入大小是（160，160，64）。具体实现可以参考Tensorflow入门教程（十九）——基于VNet的前列腺分割案例。
（2）、loss采用的是二分类的dice函数和focalloss函数。具体实现可以参考Tensorflow入门教程（三十四）——常用两类图像分割损失函数。
（3）、分割损失结果和精度经过如下图所示。
三、测试数据结果
测试过程：输入图像统一缩放到（160，160，64），设置窗宽窗位（-1000，0），输入到网络中预测，最后将结果缩放到原始图像大小。由于官网是12月11号是测试结果提交截止日期，没赶上，只贴出部分图像分割效果。
