一共有93例ＭＲ数据，对应的标准有273例，其中有极少的数据缺少某一个或者某两个器官 其中有一例数据读取有问题
数据有一点好处就是spacing基本都是一样，差别非常小，这样也就不需要进行归一化了 并且这批数据本身就是扫的肝脏部位的，所以也不必截取仅包含器官的slice 数据的在三个维度上的长度不都是完全一样的，所以直接指定的缩放尺寸就行了 但是大概是围绕(88, 410, 512)的，尤其是第一和第三维度，大部分数据都是一样的 有某些数据数据存在读取错误，直接删除就好了，记得要把金标准和ＭＲ一起删除，这样的错误数据目前只发现了一个
目前感觉MR的灰度范围应该是从０开始的正数
- 首先将存放原始数据的文件夹拷贝到桌面(ubuntu)，并将文件夹重命名为raw_data
- 然后运行get_data.py，会得到一个data文件夹
- 然后是read_data，运行完毕之后查看输出中存在error的数据，将其从data文件夹中删除
- 然后运行name_norm...
- 然后是get_val...
- 最后是get_train...
result.xlsx 是使用Dice_loss训练的结果，对应的网络模型是net870-0.083-0.222.pth
因为使用Dice_loss训练的结果就已经还可以了，所以并没有进一步去尝试使用其他的损失函数