Python 使用深度CNN和完全连接的分类器转换分割掩码numpy阵列进行图像分割

我根据Pereira等人关于医学图像分割的一篇论文建立了一个模型，他们使用卷积网络将数据输入到一个完全连接的分类器中。 我想把肿瘤和正常组织分开

我目前有一个numpy数组，其中包含预分割图像[0]=背景[1]=肿瘤，形状为443、443、1作为“目标”，形状为443、443、1的图像作为输入

如何让模型对原始图像的面片进行分类，然后在最后重建整个图像以生成分割图

---

谢谢

如果您参考论文“”，他们从原始MRI扫描中提取大小为33x33像素的斑块，并使用中间像素的类别作为基本事实，将每个斑块分为5类（正常组织、坏死、水肿、非增强或增强肿瘤）

---

最后，从一张MRI图像中分别对每个面片进行分类，并跟踪其坐标以构建分割图。

如果您参考了论文“”，他们从原始MRI扫描中提取了大小为33x33像素的面片，并将每个面片分为5类中的一类（正常组织、坏死、水肿、非增强或增强肿瘤）使用中间像素类作为基本事实

---

最后，您将从一张MRI图像中对每个贴片进行单独分类，并跟踪它们的坐标以构建分割图。

如果您有特定的编程相关问题，您应该提供一些代码，并尽量具体，以便更容易获得好的答案。如果您有特定的编程相关问题，您应该提供一些代码，并尽量具体，以便更容易获得好的答案。您好，谢谢您的回答！我知道他们提取了修补程序，我只是不确定如何在python中执行。我没有原始图像数据，但有一个.pkl文件，其中包含大小为850 448 448 1的numpy数组（图像数量、高度、宽度、通道）这需要放入补丁中。有没有最好的方法可以做到这一点？假设你喜欢像纸上一样有大小为33的补丁，只需裁剪或填充图像，这样如果你将大小除以33，你就会得到一个整数，例如裁剪到429或填充到462。然后使用numpy的重塑方法：

np.重塑（数据，（33,33,1，-1））

针对每个图像。您好，谢谢您的回答！我知道他们提取了补丁，但我不确定如何在python中执行。我没有原始图像数据，但有一个.pkl文件，其中包含大小为850 448 448 1的numpy数组（图像数量、高度、宽度、通道）这需要放入补丁中。有没有最好的方法可以做到这一点？假设你喜欢像纸上一样有大小为33的补丁，只需裁剪或填充图像，这样如果你将大小除以33，你就会得到一个整数，例如裁剪到429或填充到462。然后使用numpy的重塑方法：

np.重塑（数据，（33,33,1，-1））

用于每个图像。