【三、对问题进行了解决】MT-Unet模型重新训练腹部和冠脉数据集【个人记录学习】

一、解决【二】中遗留了四个问题。

下面进行解决：

Q1：至于为什么没有val的部分，还没时间研究
Q2：训练和测试的数据痛的同一组，这个容易解决
Q3：用MT-Unet训练我们的数据的尺寸问题：只能用244*244的图像，这个要仔细研究甚至修改网络架构，才能判断是否能够结果。
Q5: 训练出来的.nii.gz偏白色，猜测是像素值的区间出现了问题，应该可以通过归一化到[0，255]

Q1：个人感觉没必要了，test就相当于val了，作用都是来看dice，什么时间收敛，我们可以什么时间停止训练了。（这个问题，如果有其他的想法，欢迎评论区留言，交流学习一下）

Q2：训练和测试的数据痛的同一组。这次在训练腹部数据集时，把30组数据，分为20组训练和10组测试。在训练自己的冠脉数据集时，采用了49组训练集，16组测试集。

Q3：这个目前修改了两个地方，宏观暂时可以跑通，而且效果比用224的好得多。因为个人比较菜，远远达不到可以自主根据论文模型来使用代码一点点复现的地步，因此不确定微观上面是否存在影响。

Q5: 确实是像素值的区间出现了问题。问题的根源主要是在根据项目作者的提示，预处理拿到的Synapse 数据集时将像素利用clip调整到了[-125, 275]范围，并进行了下面的操作。

normalised_image_data = (image_data - args.clip[0]) / (args.clip[1] - args.clip[0])

因此，只要反向操作一波就好了