AD/PD三个指标测量

本仓库主要用于zEvans, Evans, BVR, CA四个指标测量，目前模型仍在进一步优化中......

环境搭建

本项目基于Python环境，运行下述命令安装所需python库

pip install -r requirements.txt

模型准备

模型文件地址：Google Drive

数据准备

将dicom格式的数据组织成如下形式：

├── dicom_dir
│   ├── dicom_1
│   │   ├── 00001.dcm
│   │   ├── 00002.dcm
│   │   ├── 00003.dcm
│   │   ├── 00004.dcm
│   │   ├── 00005.dcm
│   │   ├── 00011.dcm
│   │   └── ...
│   └── dicom_2
│       ├── IM000000
│       ├── IM000001
│       ├── IM000002
│       ├── IM000003
│       ├── IM000004
│       ├── IM000005
│       ├── ...

运行指令

python main.py \
--dicom_dir # 输入的dicom文件夹路径 \
--save_dir # 保存检测结果的目录 \
--gpu # 是否使用GPU进行推理，如果不指定，则默认使用CPU \
--model_dir # 保存的模型文件的目录

输出结果

输出以下内容：

├── save_dir
│   ├── dicom_1
│   │   ├── registered_image.nii
│   │   ├── results.json

模型的输出结果讲保存在指定的save_dir中，生成的results.json文件包含了各指标的测量层面、测量值以及具体的测量点（方便可视化）. 在运行过程中，会保存1个nii文件： registered_image.nii位将图像经过头动校正后的图像。