.jpg){kind=link}
generate_database.py #将nii文件处理成TCGA-LGG公开数据集格式
br.py #背景去除
data.py #数据读取文件
seg_loss.py #存放损失函数
encoder文件夹中存放编码网络模型
decoder9.py #解码网络，可修改其中第266行中的第二个参数，以选择编码网络
train.py #训练文件，修改26-28行分别修改训练文件路径，测试文件路径以及初始权重
test.py #生成测试集的预测结果，并且输出Dice，敏感度和IOU这三项指标，需修改第24行的权重路径
predict.py #在线预测
Step 1: 运行python generate_database.py将nii文件转化为TCGA-LGG公开数据集格式
Step 2: 运行python br.py进行颅骨去除从而提高肿瘤区域的比例
Step 3: 运行train.py训练模型
Step 4: 运行test.py评估模型在测试集上的泛化能力，并通过predict.py进行在线测试，实验结果如下所示：
.jpg)