fastmri是FaceBook和紐約大學醫學院放射科合作的一個項目，旨在用深度學習的方法加速MRI重建。
代碼：https://github.com/tianxiaoxiao2018/fastMRI
數據：https://fastmri.med.nyu.edu/
調試：
1、首先按照教程裝依賴包，我用下面的 pip install -r requirments.txt有報錯的地方。所以我是直接打開requirments.txt,一個一個手動裝包。
torch0.4.1 它提供的版本報錯。所以我按照下面這個網址的方法裝，https://blog.csdn.net/zywvvd/article/details/86685871
2、裝好依賴包後，修改程序。
1）把/home/tianxiaoxiao/code/fastMRI-master/文件夾下的common和data文件夾放到/home/tianxiaoxiao/code/fastMRI-master0/models/unet下，否則會提示找不到common和data模塊。
2）再修改/home/tianxiaoxiao/code/fastMRI-master0/models/unet下的train_unet.py文件，將27行的from models.unet.unet_model import UnetModel修改爲下圖所示,否則又會出現找不到模塊model。
3、調試
1）定位到你的unet目錄下，我的是：
cd /home/tianxiaoxiao/code/fastMRI-master0/models/unet
2）訓練：challenge 爲singlecoil 。添加數據路徑（就是你放數據的地方，照着我這個弄吧），我的如下所示。
CUDA_VISIBLE_DEVICES=4 python train_unet.py --challenge singlecoil --data-path /home/tianxiaoxiao/code/fastMRI-master0/models/unet --exp-dir checkpoint
3）要在驗證數據上運行模型：
CUDA_VISIBLE_DEVICES=3 python run_unet.py --data-path /home/tianxiaoxiao/code/fastMRI-master0/models/unet --data-split val --checkpoint checkpoint/best_model.pt --challenge singlecoil --out-dir reconstructions_val
輸出將保存到reconstructions_val.
4）要在測試數據上運行模型：
CUDA_VISIBLE_DEVICES=5 python run_unet.py --data-path /home/tianxiaoxiao/code/fastMRI-master0/models/unet --data-split test --checkpoint checkpoint/best_model.pt --challenge singlecoil --out-dir reconstructions_test
輸出將保存到reconstructions_test目錄中，可以上傳以供提交。
4、查看日誌
tensorboard --logdir=/home/tianxiaoxiao/code/keras-master/examples --port=12345
日誌參考博客（我用的服務器，要改端口）：https://blog.csdn.net/index20001/article/details/82871634