（CVPR2019医学影像）LesaNet配置

作者原版github： LesaNet

一、环境配置

1.下载CADLab中的LesaNet文件夹

https://github.com/rsummers11/CADLab.git #下载库
cd CADLab/LesaNet #只需要用到LesaNet部分
conda create -n Lesa python=2.7 #创建python2.7的虚拟环境
source activate Lesa	#激活
conda install pytorch=0.4.1 torchvision #安装0.4.1的pytorch包及torchvision
pip install -r requirements.txt #安装所需要的包

注：如果CADLab下载超时，因为太大了。就使用该插件（需科学上网）仅下载LesaNet文件夹。

2.roi_pooling编译

roi_pooling编译后放入roi_pooling/文件夹中:

从此处下载faster-rcnn的库：

git clone https://github.com/jwyang/faster-rcnn.pytorch.git   #下载库
cd faster-rcnn.pytorch
#编译cuda依赖
cd lib	
sh make.sh

这里会得到roi_pooling的文件夹（在/faster-rcnn.pytorch/lib/model下），将其下移动到Lesa中的roi_pooling/文件夹中。

3.预训练模型下载

在该处下载预训练模型，下载后放在chechpoints/文件夹中。

二、数据集

下载DeepLesion数据集，共有56个zip文件（以及其他部分标注信息），全部unzip解压后均放于Image_png文件夹中。

三、配置参数

有两个配置文件：config.yml和default.yml。

需要修改default.yml中的

分别修改成为自己的DeepLesion文件及所在路径，后缀都不用改变。

1.demo

此时，是默认demo模式：

config.yml中可修改该算法的超参数。

然后运行run.sh

sh run.sh

注：作者的shell脚本有点问题，做一点修改：

输出：

要求输入nifti CT volume的路径。

要求输入坐标文件的路径。

这里都使用实例的：

输出：

输出的结果图片（patch）：

2.训练

在default.yml中将mode改成train：

这里顺便把对所有病灶都生成特征图改成True。

然后再次运行run.sh，输出：

3.测试

将mode改成infer，运行run.sh：

生成了以下文件：

修改visualize_results.py中的路径并运行：

生成一系列可视化图片存于results/visualize_images：

其中一张如下：

还生成一个html文件：results/show_results.html
其中一个示例如下：