42、端到端结节分析：从分割到诊断

端到端结节分析：从分割到诊断

1. 利用分割寻找疑似结节

在使用 TensorBoard 时， writer.add_scalar 调用较为常见。 data-formats='HWC' 参数告知 TensorBoard，图像轴的顺序中 RGB 通道为第三轴。通常网络层输出格式为 B × C × H × W ，若指定 'CHW' ，也可将数据直接传入 TensorBoard。

同时，我们还需保存用于训练的真实标签，它将构成 TensorBoard CT 切片的顶行。相关代码与上述类似，具体细节可查看 p2ch13/training.py 。

1.1 更新指标日志

为了解训练情况，我们按轮次计算指标，主要包括真阳性（TP）、假阴性（FN）和假阳性（FP）。以下代码实现了这一功能：

sum_a = metrics_a.sum(axis=1)
allLabel_count = sum_a[METRICS_TP_NDX] + sum_a[METRICS_FN_NDX]
metrics_dict['percent_all/tp'] = sum_a[METRICS_TP_NDX] / (allLabel_count or 1) * 100
metrics_dict['percent_all/fn'] = sum_a[METRICS_FN_NDX] / (allLabel_count or 1) * 100
metrics_dict['perc