在对医学图像进行深度学习的过程中，我们会遇到图片过大，导致train的过程中网络会瘫痪，所以我们会考虑到对图像进行分割。比如一张155x240x240的图像，我们可以将他分割成一系列128x128x128大小的小图像。代码如下：
from crop import * import torch def split_image(img, crop_size=(128,128,128)): patient_image = img # (1, 240, 240, 155, 4) patient_image = patient_image[0, ...] # (240, 240, 155, 4) patient_image = patient_image.permute(3, 0, 1, 2) # (1, 4, 155, 240, 240) patient_image = patient_image.cpu().numpy() pasient_image = crop_pad(patient_image, crop_size) patient_image = torch.from_numpy(pasient_image).permute(1, 0, 2, 3, 4) # (C, S, T, Y, W) patient_image = patient_image.unsqueeze(0).numpy() # print("patient_image", patient_image.shape) return patient_image if __name__ =="__main__": device = torch.device(‘cuda‘) image_size = 128 image = torch.rand((1, 155, 240, 240, 4), device=device) x = split_image(image, (128,128,128)) print("before Pinjie",image.shape) print("after Pinjie",x.shape)
结果显示：
我们可以看到，我们将图像分割成8个128x128x128大小的图像。
详细代码，请看我的github
github
GitHub.