使用Transformer-Unet进行腹部多器官13类别分割的实践教程【含代码、数据集和训练成果】

简介：
本教程详细介绍如何利用Transformer-U-Net模型对腹部CT图像中的13种器官进行精准分割，包含详细代码、高质量数据集及训练结果展示。 腹部多脏器包含13个类别：0. 背景 1. 脾脏 2. 右肾 3. 左肾 4. 胆囊 5. 食道 6. 肝脏 7. 胃 8. 主动脉 9. 下腔静脉 10.门静脉和脾静脉 11.胰腺 12右肾上腺 13左肾上腺 训练参数使用优化器AdamW，学习率衰减策略采用余弦退火算法，损失函数为交叉熵。 train脚本会生成针对训练集、验证集的loss曲线、iou曲线、学习率变化情况以及数据可视化图像，并且在完成整个过程后输出最终和最佳权重文件。 evaluate 脚本用于评估模型性能，在测试集中计算出iou值、召回率（recall）、精确度（precision）及像素准确率等指标。训练集用于网络拟合，验证集则用来调整参数设置，而测试集的作用在于评价整个模型的效能。 predice脚本负责推理图像处理，并生成预测结果与原始图像叠加后的掩膜图。 代码中包含详细注释，方便用户自行下载查看；若需使用自己的数据进行训练，请参考README文件中的指示操作即可实现简单快捷地运行流程。在经过100个epoch的训练后，模型在测试集上的表现达到了像素准确率98.8%，平均iou为75.5%。