基于深度学习的腹部CT的肝脏肿瘤分割的项目笔记
一、前言：
- 1
这个肝脏肿瘤分割项目是我们大二下学期（2020年1月开始）申请的一个大创项目。
此前我有参与过一个关于深度学习的项目（基于深度学习的视频识别），但在这个项目中我算是摸摸鱼的角色，but 也还是有收获的啦！比如：对做这些项目的流程算是有一个大致的了解 ？ 打开了深度学习的门。。。
- 2
写这篇文章就是想记录一下我做第二个项目的历程。（因为今天10.24，又在晚上刚好把代码调通了！！！真的是过节了吖！！！所以就写个回忆散记来庆祝这激动人心的时刻嘻嘻~）
二、关于肝项目的经历和想法：
总体来说，项目的过程其实是不太顺畅的。。。现在凭借我感人的记忆力按时间顺序回忆一些难忘的过程节点。（不想看太多我这平凡琐碎的经历的话，可以直接看最后精华的两点噢~哈哈哈）
- 1
首先，一开始我们还没想到用云服务器来跑代码（算是走了点弯路）。所以，之后在尝试跑别人的代码的时候，由于本地环境配置的问题，异常艰难！！！好吧，就是一次都没跑通过。环境问题一直有报错，这就费了我们几个月时间，现在想起来，真的太费时间！
- 2
在项目整个前半段（有六七个月的时间了），我们是在网上找各种资料（收藏了等于看了 ）在知网阅读文献、在CSDN看相关项目的文章、在知乎看大佬的医学图像处理的专栏文章、还有在github上查找和学习相关代码等等。
- 3
在前期找资料时，在CSDN发现了一篇博客，偶买噶！！这不就是我们想要的项目指导书吗？
就是这篇：医学图像分割 基于深度学习的肝脏肿瘤分割 实战(一）_normol的博客-CSDN博客
这文章写得太详细啦！小白真是太感动了！第一篇是分割肝脏的，然后还有第二篇是分割肿瘤的。
我们想着就按照这两篇博客来完成这个项目。但是美好的想法还是和现实进展有点距离的。在这篇博客下面的评论中收获到很多有用的信息，并且下载了源代码，但是，由于前面说的，当时是用本地的pycharm来跑代码的，就一言难尽（由于环境的配置问题，一直有各种奇奇怪怪的报错），心态逐渐崩了昂。但是也是有认真学习了博主的方法和代码。印象中应该是花了一两个月来研究和尝试跑通这份代码的，但是很可惜并没有成功。。。
期间，在评论区的一位大佬帮助过程中，我了解到了百度的深度学习框架飞桨PaddlePaddle-源于产业实践的开源深度学习平台
- 4
接着，九月一号一开学就要进行项目中期汇报了。但是我们的项目仿佛没有实质性的成果。噢！我的老天鹅，这就有点尴尬了。
本着毛主席说的“东方不亮西方亮”，我们尝试找其他参考资料。然后又发现了一篇博客！！Tensorflow 2.0 医学图像分割（肝脏CT图像分割）_qq_38412266的博客-CSDN博客
（并且这个博主小哥太nice啦，给我很多帮助！真是十分感谢！！）
但是呢，这份代码只是将腹部CT图的肝脏分割出来了，肿瘤部分还得再搜寻搜寻。。。然后在博主大佬的帮助下，我学了用kaggle云服务器来跑代码。在kaggle上面还有很多有趣的开源项目，之后有时间可以运行玩一下噢~
- 5
然后就在十月初的时候，我找到了两份github上的代码。（但是现在我忘了当时是在什么机缘偶合的情况下找到的。。。找的时候，我也会顺着他们github的个人主页来看一下有没有相关的代码~）
https://github.com/zz10001/Thesis-LiTS2017/blob/master/preprocessing.py
重点是下面这一份！！
Confusezius/unet-lits-2d-pipeline: Liver Lesion Segmentation with 2D Unets
这份代码，作者的README里面的步骤写的很详细！！我跑的就是这一份代码~ 这个README得认真看，看懂每一步（一开始我以为他的大小Net都要运行，之后才觉悟二选一就行）
一开始一直都是用kaggle的云服务器，但是后来中途报错显示爆内存了（kaggle和colab都有13G内存好像）。然后就转到去谷歌的Colab了。
这也是我第一次用Google Colab，百度一下怎么用，还是很快上手的噢~不得不说真的太赞了！体验很好吖，用着很顺手哈哈哈。（我是之前在干第一个视频识别项目的时候，注册了谷歌的账号）Google Colab——用谷歌免费GPU跑你的深度学习代码
之后，在colab我就跟着README里面的步骤，敲命令来运行的，某个代码有报错的话，就改了代码再重新把这个.py上传到谷歌的云端硬盘（不能直接在云盘改的噢），虽然感觉反复上传更新很复杂，其实也没有很复杂噢，上传py文件还是很快的。感觉代码主要是改一下路径，报错也不是很牛角尖的错，在stack overflow都有方法~
然鹅，就在过节的今天（1024），代码全部调通了哈哈哈！！
但是有个问题就是，我就上传了三四个nii文件作为数据集（因为怕内存不够），所以训练出来的效果不太行。肝脏分割的DICE参数是0.91（还不错噢），但是肿瘤分割的DICE参数只有0.16，所以出来的结果是一大片肿瘤区域。
下面两幅图，第一个是原数据集中的标准肝脏和白色的肿瘤，第二个是训练出来的分割结果。(我是用ITK-SNAP来打开nii文件的)
现在项目算是完成百分之六七十啦~
下一步试一下加多nii数据的数量来训练~
二、结语
emmm 这项目笔记就写到这儿叭，很遗憾，这虎头蛇尾的。
很抱歉不能一一回复私信，因为我可能有心无力去解答。。。
嗐，之后也不读研，所以深度学习的学习可能就到此为止啦~~
（遗憾离场）