search

YaoZhang93 / mmFormer

[MICCAI 2022] The official code for "mmFormer: Multimodal Medical Transformer for Incomplete Multimodal Learning of Brain Tumor Segmentation"
Apache License 2.0
101 stars 12 forks source link

训练集和测试集划分问题 #10

Open w573352 opened 1 year ago

w573352 commented 1 year ago

作者您好，我想复现您的mmformer代码，但是我没有看明白您的代码中 mmformer/data/dataset_nii.py里面是怎么把训练集和测试集划分开来的，可以请您给我简单解释一下吗

YaoZhang93 commented 1 year ago

您好，感谢您的关注。可以参考dataset_nii.py的47-51行，以及115-130行，简而言之，将文件名列表平均分成3份，取其中1份作为验证集，另外2份作为训练集。

w573352 commented 1 year ago

好的好的，我找到相关部分的代码了，十分感谢您的指导

YaoZhang93 commented 1 year ago

您好，我们没有单独划分validation和test集

ABFHJJGGGV commented 1 year ago

作者您好，请问您在数据预处理时将数据集图片中背景像素为0的值随机进行裁剪了，那么测试后的模型预测的分割label与原始数据集中的ground truth大小就不一致了，那么如果需要将分割label叠加到原图上好像就叠加不了，可以请您解答一下吗，谢谢

YaoZhang93 commented 1 year ago

是的，情况确实如您所说。有两个解决办法：（1）可以直接可视化预处理好的npy文件，或者将npy转成nii格式，在通过ITKSNAP一类的软件可视化。（2）将裁剪的参数记录下来，参考preprocess.py中26行的crop函数，保存每个case的裁剪范围，然后还原回去。这确实是一个不太方便的地方，我会考虑写一个脚本实现，但我无法承诺这件事情会很快完成。