1，数据预处理
（1）Dicom 2 Nii
（2）MR图像做N4偏置场矫正
（3）数据分组，确定训练集和验证集的图像和ROI的输入路径txt
2，训练阶段
（1）TrainConfig确定，Spacing注意一下，尽量和原始尺寸一致
（2）保存的模型要转成neuro模型，代码位置"/data1/wangfang_data/Kunming_Hebo/1_LumbarMuscleSegmentation/1_Data/0-Code/interconvert_neuro_and_pth.py"
3，模型应用和测试
（1）单纯从原图分割ROI，激活docker环境：bash run_contaoner_wf.sh，然后输入函数：vseg_test -i /data1/wangfang_data/Kunming_Hebo/1_LumbarMuscleSegmentation/1_Data/3_TestData/230222_TestDataPath.txt -m /data1/wangfang_data/Kunming_Hebo/1_LumbarMuscleSegmentation/1_Data/5_ModelApply/230223_neur_model/ -o /data1/wangfang_data/Kunming_Hebo/1_LumbarMuscleSegmentation/1_Data/5_ModelApply/Top50P/230223_SegRes/ -n "Muscle_seg.nii.gz"。i是input路径，输入准备好的txt文件的绝对路径；m是保存的neuro模型，输入deploy上一层目录即可；o是保存结果的路径；n是分割结果的保存名称
（2）除了分割ROI外，还要evaluation，也是在docker环境下，用/data1/wangfang_data/Kunming_Hebo/1_LumbarMuscleSegmentation/1_Data/0-Code/vseg_auto_coarsetofine_test_appoint_wf.py代码运行。在.py文件中，设置各参数条件。注意要修改的地方：
标签：分割,wangfang,data1,模型,Kunming,Hebo,深度,Data,LumbarMuscleSegmentation From： https://www.cnblogs.com/wf-strongteam/p/17146835.html