前期专业方向实践的课题是基于深度学习的新冠肺炎分割系统，虽然没什么技术含量，但找数据集和训练模型确实是废了些功夫，写篇博客分享一下资源和心得体会
成品展示
我不知道其他学校有没有专业方向实践，反正我们学校这就相当于一个大课设，跟课设的难度和重视程度差不多，都不高，但学分很高，属于是大四给我们刷绩点的课吧。因为是深度学习，那肯定是 Pytorch 了，去 Github 上找了个 UNet 的开源训练框架，然后界面使用 pyqt6 写的，简简单单写了一下
功能大致就是根据患者的肺部CT图，检测病灶面积并统计
框架
我是直接 copy 的 milesial/Pytorch-UNet，进行了一些修改，增加了图形界面。Gmero/Pytorch-UNet-Covid19 (gitee.com)
请确保你已经搭建好了 pytorch 环境并安装了 CUDA，可以参考这个视频 → PyTorch深度学习快速入门教程（绝对通俗易懂！）
通过 train.py 启动模型训练模块（具体参数参考 README），main.py 启动主程序（确保你已经准备好了模型和演示数据集），在 main.py 中找到 load_model 可以指定模型位置。如果你不想训练模型的话，可以下载我已经训练好的模型和数据集，往下看
数据集
数据集一开始卡了我很久，不管啥搜索引擎都是一些要你花钱买的。Github上找半天也是一些不带标签的CT图，没办法进行训练，碰运气问了一下 newBing，结果真找到了一个能用的 图像下载 - 2019新型冠状病毒信息库 (2019nCoVR) (big.ac.cn)，官方网站，有大量的患者CT图，还有一份带标签的训练集（往下翻找到Experiment data files），训练集不大，但这是我唯一能找到的了
原始数据集的标签是通过灰度值分成背景、肺野、毛玻璃混浊 (GGO) 和实变 (CL)。由于这里面实变的数据特别少，学习效果很差，我将实变与毛玻璃浑浊进行了合并，就叫病灶吧。然后原始数据灰度值都是012这种，肉眼不可见，写了个脚本进行了二次处理。背景为纯黑色，肺部区域为灰色，病灶区域为白色
直链下载处理好的可用于训练的训练集和一份用于演示的患者CT图像 → COVID19-PytorchUNet-dataset.zip
模型
一开始训练出的模型几乎是不可用的状态，可能是数据集太小了的原因，后来在高人指点的情况下对训练参数进行了调整 -e 100 -b 8 ，终于是训练出了能用的模型，我的4060ti跑冒烟了都
如果你们不想自己训练的话，可以下载我训练好的模型 → checkpoint_epoch100.pth，放到根目录 checkpoints 文件夹，没有就新建
