fastmri是FaceBook和纽约大学医学院放射科合作的一个项目，旨在用深度学习的方法加速MRI重建。
代码：https://github.com/tianxiaoxiao2018/fastMRI
数据：https://fastmri.med.nyu.edu/
调试：
1、首先按照教程装依赖包，我用下面的 pip install -r requirments.txt有报错的地方。所以我是直接打开requirments.txt,一个一个手动装包。
torch0.4.1 它提供的版本报错。所以我按照下面这个网址的方法装，https://blog.csdn.net/zywvvd/article/details/86685871
2、装好依赖包后，修改程序。
1）把/home/tianxiaoxiao/code/fastMRI-master/文件夹下的common和data文件夹放到/home/tianxiaoxiao/code/fastMRI-master0/models/unet下，否则会提示找不到common和data模块。
2）再修改/home/tianxiaoxiao/code/fastMRI-master0/models/unet下的train_unet.py文件，将27行的from models.unet.unet_model import UnetModel修改为下图所示,否则又会出现找不到模块model。
3、调试
1）定位到你的unet目录下，我的是：
cd /home/tianxiaoxiao/code/fastMRI-master0/models/unet
2）训练：challenge 为singlecoil 。添加数据路径（就是你放数据的地方，照着我这个弄吧），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）要在验证数据上运行模型：
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
输出将保存到reconstructions_val.
4）要在测试数据上运行模型：
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
输出将保存到reconstructions_test目录中，可以上传以供提交。
4、查看日志
tensorboard --logdir=/home/tianxiaoxiao/code/keras-master/examples --port=12345
日志参考博客（我用的服务器，要改端口）：https://blog.csdn.net/index20001/article/details/82871634