【BraTS】Brain Tumor Segmentation 脑部肿瘤分割2（UNet的复现）

医学领域采集的图像，一般都是灰白色的，相比于现实空间中的彩色图像，存储的信息简单了很多。一个是1个维度的灰度信息，一个是3个维度组合到一起的彩色信息。

一、前言

脑部肿瘤分割的这批数据，相较于其他的数据，有一个特别的地方，就是它是多模态的。尽管是4个不同的模态，但是都对应到一个标签。

此时不禁联想到：既然RGB三个通道的彩色图像，可以直接作为输入送进网络，能够学习到色彩的信息。那么，脑肿瘤采集的4个维度的信息，是不是也可以简单的把它拍在一起，构成一个每一层4个channel的图像，一次检查155层呢。

• 这样输入图像变成： 4 * 155 * 240 * 240，155层，每一层4个channel，每一个channel是240*240大小
• 输出还是原来的形式：155 * 240 * 240

此时，这个任务就没有了模态的概念了，就当做他是一个彩色多通道的图像来处理。也不要有体积的概念，他就是一个个二维的图像。尽管损失了很多内在联系的信息，但是，简单了很多啊。

• 没有上下层信息
• 淡化模态信息

简单的，直接用医学领域常用的unet网络模型作为训练的网络。后面我们就着重搭建复现unet网络模型

二、复现 unet 模型

unet从整体结构上进行划分，大体可以分成两个阶段：