D:\yyy\UNetSegmentation_code_20180301\data\train

key1

numpy.save("filename.npy",a)

利用这种方法，保存文件的后缀名字一定会被置为.npy，这种格式最好只用

numpy.load("filename")来读取。

key2

我们将要使用的网络是教程开端提到的U-net，使用的是keras框架来构建。损失函数是Dice系数，链接点击打开链接

比较了预测和实际的节点掩膜。

以下代码片段全部取自LUNA_train_unet.py

损失函数如下：

smooth = 1.
# Tensorflow version for the model
def dice_coef(y_true, y_pred):
y_true_f = K.flatten(y_true)
y_pred_f = K.flatten(y_pred)
intersection = K.sum(y_true_f * y_pred_f)
return (2. * intersection + smooth) / (K.sum(y_true_f) + K.sum(y_pred_f) + smooth)
def dice_coef_loss(y_true, y_pred):
return -dice_coef(y_true, y_pred)

该损失函数类似于用于评估该网络最初编写的超声神经分割挑战的度量

巴特西