PyTorch：Unet網絡實現腦腫瘤圖像分割

1 介紹

U-Net是一篇基本結構非常好的論文，主要是針對生物醫學圖片的分割，而且，在今後的許多對醫學圖像的分割網絡中，很大一部分會採取U-Net作爲網絡的主幹。相對於當年的，在EM segmentation challenge at ISBI 2012上做到比當時的best更好。而且速度也非常的快。其有一個很好的優點，就是在小數據集上也是能做得比較好的。就比如EM 2012這個數據集就只是30個果蠅第一齡幼蟲腹側神經所索的連續部分透射電子顯微鏡圖。

本文主要利用pytorch實現了U-Net網絡的腦腫瘤分割，並展示了部分分割效果圖。希望對你有所幫助！

2 源代碼

（1）網絡結構代碼

import torch.nn as nn
import torch
from torch import autograd

class DoubleConv(nn.Module):
    def __init__(self, in_ch, out_ch):
        super(DoubleConv, self).__init__()
        self.conv = nn.Sequential(
            nn.Conv2d(in_ch, out_ch, 3, padding=1),
            nn.BatchNorm2d(out_ch),
            nn.ReLU(inplace=True),
            nn.Conv2d(out_ch, out_ch, 3, padding=1),
            nn.BatchNorm2d(out_ch),
            nn.ReLU(inplace=True)
        )

    def forward(self, input):
        return self.conv(input