Yao Zhang

您好，可以将裁剪的参数（即裁掉的长宽高）记录下来，参考preprocess.py中26行的crop函数，保存每个case的裁剪范围，然后还原回去。

抱歉，时间比较久远我没有印象了，可以看一下config是否有问题

我没有想到这样会有什么问题

可以的。参考preprocess.py处理一下数据，然后修改dataloader，就可以了。

您好，感谢您的关注。可以参考dataset_nii.py的47-51行，以及115-130行，简而言之，将文件名列表平均分成3份，取其中1份作为验证集，另外2份作为训练集。

您好，我们没有单独划分validation和test集

是的，情况确实如您所说。有两个解决办法：（1）可以直接可视化预处理好的npy文件，或者将npy转成nii格式，在通过ITKSNAP一类的软件可视化。（2）将裁剪的参数记录下来，参考preprocess.py中26行的crop函数，保存每个case的裁剪范围，然后还原回去。这确实是一个不太方便的地方，我会考虑写一个脚本实现，但我无法承诺这件事情会很快完成。

Thanks for your interest. During training the network, if we apply the delta at the input stage, it might disturb the training of the single-modal encoder.

我们使用了Elastix进行配准，可以参考https://elastix.lumc.nl/

腹部器官配准本身是一件很难的任务，肝脏的形变可以很大，同时又是3D图像。我们是用的Affine，在我们的数据集上效果勉强可以接受，可以再试一下B-spline（可能会特别扭曲）