网站建设餐饮,淘宝wordpress模板,网站权重如何查询,自己弄网站需要多少钱在LIDC-IDRI的数据集中，对于同一个案例，存在多个医生标注的结果。这就导致下面几种情况的出现： A医生标注的结节区域，B医生并不一定会标；B医生标注的结节，C医生也标注了，但是范围大小存在着交集关系；同时标记，给的特征等级也不一定相同。此时，就需要对一个案例标注的…在LIDC-IDRI的数据集中，对于同一个案例，存在多个医生标注的结果。这就导致下面几种情况的出现：
A医生标注的结节区域，B医生并不一定会标；B医生标注的结节，C医生也标注了，但是范围大小存在着交集关系；同时标记，给的特征等级也不一定相同。此时，就需要对一个案例标注的结节进行处理。可以根据标注次数进行选择，也可以简单粗暴的直接取并集。本文就直接取并集，比较的简单。如果要考虑标记次数，可以参考这篇文章：【3D 图像分割】基于 Pytorch 的 3D 图像分割6（数据预处理之LIDC-IDRI 标签 xml 标签转储及标记次数统计 ）。
本文的目标，就是在上一节处理得到的PKL文件的基础上，获取一个个结节坐标信息，和对应需要处理的某个特征的信息，比如良恶性，比如钙化程度。最终得到一个合并后汇总版的坐标，和对应的等级，具体步骤如下：
获取一个个结节信息，包括坐标和等级；对这些结节，根据IOU，分成一个个小堆，等着合并用；一个堆，一个堆的合并在一起，等级是根据投票少数服从多数；最后把合并后的坐标和等级存储下来，供后续裁剪使用。一、具体实施 ❤️
实施上述内容的主调用函数如下
