今天将分享X光图像肺部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、X光图像分析与预处理
（1）、704张X光原始数据和标注数据可以在官网上下载获取到。测试数据一共有96张数据，目前也可以在官网上下载了。
（2）、由于原始数据大小不一样，这里对图像做统一大小设置，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512x512，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）、为了增加模型鲁棒性，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。
（4）、原始图像和金标准Mask图像的预处理还需要做归一化操作，统一都归一化到（0，1）。
二、分割网络
（1）、搭建VNet2d模型，网络输入大小是（512，512）。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。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。
三、测试数据结果
输入图像统一缩放到（512，512），归一化到0-1，输入到网络中预测，最后将结果缩放到原始图像大小，然后使用opencv的将轮廓绘制在原始图像上。在测试数据上分割结果如下所示。
为了方便大家更高效地学习，后期会将相关项目代码更新到github上，点击原文链接即可访问官方比赛网址，可以直接下载训练和测试数据。
