今天将分享骨盆的二值分割的完整实现过程，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）、1184例CT原始数据和标注数据及训练标签文件可以在原文链接中获取得到。
（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128x128x96，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0到800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10倍。
二、分割网络
（1）、搭建VNet3d模型，网络输入大小是（128，128，96）。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采用的是多分类的focalloss函数。具体实现可以参考Tensorflow入门教程（三十五）——常用多类图像分割损失函数
（3）、训练损失函数和精度结果如下所示。
三、测试数据结果
输入图像统一缩放到（128，128，96），设置窗宽窗位（0，800），输入到网络中预测，最后将结果缩放到原始图像大小。下面是10例测试数据分割结果，左边是金标准结果，右边是预测结果。可以看到基本上分割的都是正确的，除了第五例数据左右大盆骨分错了，还有就是分割结果与金标准相比，颗粒感很强，这是由于降采样过多导致的，下一篇会采用级联网络来解决该问题。
