DeepLung 项目常见问题解决方案

DeepLung 项目常见问题解决方案

DeepLung WACV18 paper "DeepLung: Deep 3D Dual Path Nets for Automated Pulmonary Nodule Detection and Classification" 项目地址: https://gitcode.com/gh_mirrors/dee/DeepLung

DeepLung 是一个开源项目，用于实现自动化肺部结节检测与分类。该项目主要使用 Python 编程语言，并依赖多种深度学习框架和库。

1. 项目基础介绍

DeepLung 项目是基于深度学习的 3D 双路径网络（Deep 3D Dual Path Nets），用于自动化检测和分类肺部结节。项目在 WACV 2018 论文中被提出，并在 GitHub 上开源。该项目能够帮助研究人员和开发者快速实现肺部结节的自动检测。

2. 新手常见问题及解决步骤

问题一：如何安装项目所需的依赖库？

解决步骤：

1. 确保系统中安装了 Python 2.7（项目支持的版本），以及相应的 CUDA 和 cuDNN 版本。

2. 使用 pip 命令安装项目所需的 Python 库，具体命令如下：

   pip install numpy scipy matplotlib scikit-image pyparsing pytorch
   

3. 如果使用的是 Anaconda 环境，建议创建一个新的环境并安装上述库。

问题二：如何准备和预处理数据？

解决步骤：

1. 下载 LUNA16 数据集和 LIDC-IDRI 数据集，解压后放在指定路径。

2. 运行 prepare.py 脚本进行数据预处理，具体命令如下：

   python /DeepLung/prepare.py
   

3. 确保在 config_training.py 文件中设置了正确的数据路径和预处理参数。

问题三：如何训练和验证模型？

解决步骤：

1. 使用 run_training.sh 脚本开始训练模型，可以在脚本中修改 --model 参数选择不同的模型（resnet 或 dual path net）。

   bash run_training.sh
   

2. 训练完成后，使用 evaluationScript/frocwrtdetpepchluna16.py 脚本验证测试使用的 epoch。

   python /evaluationScript/frocwrtdetpepchluna16.py
   

3. 收集所有 10 折预测结果，使用 evaluationScript/noduleCADEvaluationLUNA16.py 脚本计算 FROC。

   python /evaluationScript/noduleCADEvaluationLUNA16.py
   

通过上述步骤，新手用户可以更好地了解和使用 DeepLung 项目，解决在使用过程中可能遇到的问题。

DeepLung WACV18 paper "DeepLung: Deep 3D Dual Path Nets for Automated Pulmonary Nodule Detection and Classification" 项目地址: https://gitcode.com/gh_mirrors/dee/DeepLung