VNet3D分割网络在COVID-19-20中的应用，混合损失改进有何亮点？

本文共计705个文字，预计阅读时间需要3分钟。

今天将分享COVID的二次分割改进实现过程，主要采用了混合损失函数来训练网络模型，方便大家学习理解整个流程。整个过程将步骤进行了详细整理，并给出具体步骤结果。

今天将分享COVID的二值分割的完整改进实现过程，主要是采用了混合损失函数来训练网络模型，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。

（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​​。