医学图像目标检测代码

以下是一个医学图像目标检测的 PyTorch 代码示例，使用 Faster R-CNN 模型：

import torch
import torchvision
import cv2

# 加载 Faster R-CNN 模型
model = torchvision.models.detection.fasterrcnn_resnet50_fpn(pretrained=True)
model.eval()

# 加载图像
image_path = "path/to/image"
image = cv2.imread(image_path)

# 转换图像为 PyTorch 张量
image_tensor = torchvision.transforms.functional.to_tensor(image)
image_tensor = image_tensor.unsqueeze(0)

# 使用模型进行推理
with torch.no_grad():
    predictions = model(image_tensor)

# 处理模型的输出
boxes = predictions[0]['boxes'].detach().numpy()
scores = predictions[0]['scores'].detach().numpy()

# 显示结果
for i in range(len(boxes)):
    if scores[i] > 0.9:
        box = boxes[i]
        cv2.rectangle(image, (int(box[0]), int(box[1])), (int(box[2]), int(box[3])), (0, 255, 0), 2)

cv2.imshow("Image", image)
cv2.waitKey(0)
cv2.destroyAllWindows()

请注意，该代码中的模型是在 COCO 数据集上进行预训练的，因此可能需要进行微调才能适应特定的医学图像数据集。此外，还需要根据数据集中实际的目标类别进行相应的更改。