医学影像分割热力图绘制代码

以下是使用Python和PyTorch实现医学影像分割热力图绘制的示例代码：

import torch
from torchvision import transforms
from PIL import Image
import numpy as np
import matplotlib.pyplot as plt

# 加载预训练的模型
model = torch.hub.load('mateuszbuda/brain-segmentation-pytorch', 'unet',
                       in_channels=3, out_channels=1, init_features=32, pretrained=True)

# 读取需要进行分割的图片
img = Image.open('path/to/image.png')

# 对图片进行预处理
img_transforms = transforms.Compose([
    transforms.Resize((256, 256)),
    transforms.ToTensor(),
    transforms.Normalize((0.5, 0.5, 0.5), (0.5, 0.5, 0.5))
])
img_tensor = img_transforms(img)
img_tensor = img_tensor.unsqueeze(0)

# 使用模型进行分割
model.eval()
with torch.no_grad():
    pred = model(img_tensor)
    pred = torch.sigmoid(pred)
    pred = pred.squeeze(0).squeeze(0).numpy()

# 绘制热力图
plt.imshow(img)
plt.imshow(pred, alpha=0.5, cmap='jet')
plt.show()

上述代码使用了Mateusz Buda开发的PyTorch实现的Unet模型，在加载预训练模型后，对需要进行分割的图片进行了预处理，然后使用模型进行分割，最后使用Matplotlib绘制了热力图。注意，在绘制热力图时，需要将原图和预测结果一起绘制，并设置`alpha`参数控制预测结果的透明度，以便更好地观察两者的重叠情况。