40、使用分割方法寻找疑似结节

使用分割方法寻找疑似结节

1. 数据标注与LIDC说明

新的标注除了 hasAnnotation_bool 和 isMal_bool 标志（本章暂不使用）外，其使用方式与旧标注相同。有人可能会疑惑为何之前未讨论LIDC，实际上LIDC围绕其底层数据集构建了大量工具，甚至可以从PyLIDC获取现成的掩码。但这种情况不能代表一般数据集的支持情况，因为LIDC的支持异常完善。而对LUNA数据的处理方式更具代表性，能让人更好地学习，因为我们专注于处理原始数据，而非学习他人编写的API。

2. 实现Luna2dSegmentationDataset

2.1 训练和验证集划分

本次采用不同的训练和验证集划分方法，使用两个类：一个作为适用于验证数据的通用基类，另一个作为训练集的子类，具备随机化和裁剪样本的功能。这种方式虽在某些方面更复杂，但简化了随机训练样本的选择逻辑，能清晰区分影响训练和验证的代码路径。

2.2 数据形式

生成的数据是具有多个通道的二维CT切片，额外通道存储相邻的CT切片。对于分类模型，将切片视为3D数据数组并使用3D卷积处理；对于分割模型，将每个切片视为单个通道，生成多通道2D图像，就像处理RGB图像的颜色通道一样。

2.3 验证数据处理

验证时，为每个有正掩码条目的CT切片生成一个样本。由于不同CT扫描的切片数量不同，引入新函数将每个CT扫描及其正掩码的大小缓存到磁盘，以快速构建验证集的完整大小。该函数如下：

@raw