【3D 图像分类】基于 Pytorch 的 3D 立体图像分类4（多人标注的结节立体框合并和特征等级投票）

在 LIDC-IDRI的数据集中，对于 同一个案例，存在多个医生标注的结果。这就导致下面几种情况的出现：

1. A医生标注的结节区域，B医生并不一定会标；
2. B医生标注的结节，C医生也标注了，但是范围大小存在着交集关系；
3. 同时标记，给的特征等级也不一定相同。

此时，就需要对一个案例标注的结节进行处理。可以根据标注次数进行选择，也可以简单粗暴的直接取并集。本文就直接取并集，比较的简单。如果要考虑标记次数，可以参考这篇文章：【3D 图像分割】基于 Pytorch 的 3D 图像分割6（数据预处理之LIDC-IDRI 标签 xml 标签转储及标记次数统计 ）。

本文的目标，就是在上一节处理得到的PKL文件的基础上，获取一个个结节坐标信息，和对应需要处理的某个特征的信息，比如良恶性，比如钙化程度。最终得到一个合并后汇总版的坐标，和对应的等级，具体步骤如下：

1. 获取一个个结节信息，包括坐标和等级；