42、端到端结节分析及后续发展

端到端结节分析及后续发展

1. 利用分割寻找疑似结节

在图像数据处理中，我们使用 writer.add_scalar 相关操作， data-formats='HWC' 参数告知 TensorBoard 图像轴的顺序，其中 RGB 通道为第三轴。若网络层输出为 B × C × H × W 格式，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，这将构成 TensorBoard CT 切片的顶行。相关代码与上述操作类似，具体细节可查看 p2ch13/training.py 。

2. 更新指标日志

为评估模型表现，我们计算每个训练周期的指标，如真正例（True Positives，TP）、假负例（False Negatives，FN）和假正例（False Positives，FP）。以下是具体代码：

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_c