基于 TransUnet 实现腹部多脏器分割的实战，包含代码、数据集和训练结果。

简介：
腹部包含多个重要的器官，包括：肝脏、右肾、左肾以及脾脏。此外，针对分割网络相关的实际应用场景，我们开展了深入的研究。具体内容可参考博客文章： 利用AdamW作为优化器，并采用余弦退火算法进行学习率的衰减，损失函数设定为交叉熵。 The training script will produce a comprehensive collection of outputs, including the loss values for both the training and validation sets, alongside the IoU curves and learning rate decay curves. Furthermore, it generates detailed training logs and visualizations of the datasets, culminating in the preservation of the final and best-performing weight files. 2. 验证脚本的功能在于对模型进行评估，它会计算测试集中的IoU、召回率、精确率以及像素准确率等指标。此外，训练集主要用于模型的网络拟合，验证集则被用来优化和调整模型的参数，而测试集则用于全面地评估模型的性能。 3. 预测脚本负责对图像进行推理处理，其输出结果包括生成Ground Truth（GT）图像以及Ground Truth加图像的掩膜图像。 经过精心编写，该代码包含了详尽的注释，方便用户自主下载进行查阅。若您希望利用该代码进行数据训练，请务必参考README文件中的指导，它提供了一种简单易懂的运行方式。 经过100个epoch的训练，该项目在测试集上的表现令人满意，具体而言，像素级别的准确率达到了0.986，同时，平均交集在覆盖率（mean iou）方面也取得了0.779的优秀结果。