项目结构说明

1 前期数据整理工作/（均为过程文件可忽略）

1.1 表格文件

第一、二批数据模态统计.xlsx 内容是对第一、第二批数据（来自2024/11和2024/12）的每一例样本所含有的模态种类、影像获取时间、是否具有mask等进行统计和整理，情况如下：

modal	总数/加上第三行	有效个数/加上第三行	无效个数/加上第三行	两类之比/算上第三行
CT+DSA	54/67	40/50	14/17	2.85:1/2.94:1
MR+DSA	31/44	18/28	13/16	1.38:1/1.75:1
MR+CT+DSA	13	10	3	3.33:1
MR	3	2	1	2:1
DSA	12	12	0	12:0
TOTAL	113	82	31	2.64:1

选择CT+DSA组合，第三批数据（来自2025/4）加入后，经过初步筛选情况如下：

modal	总数	有效个数	无效个数
CT+DSA	284	169	115

1.2 批量处理的功能代码

move.py等 均为自动化批量整理、处理数据的代码。如：查漏（有些样本某些模态的文件夹是空的）、样本文件夹命名统一、将CT的静脉期文件（也就是P、A、V、D里的A）筛选出来等等。

由于该过程为较早期的工作，大部分代码已丢失。

2 raw_data/

原始影像数据，以下两个文件夹为真正使用的数据：

raw_data/CT_nii/ 存放梳理后的nii格式的CT影像

raw_data/DSA/ 存放裁剪成一致大小后的DSA影像数据

另外还有按模态类别整理好的未使用的数据：

MR+CT+DSA/、MR+DSA/

3 pretrain/

针对两种模态的预训练相关流程

3.1 pretrain/data

与训练数据相关模块

• data/datasets：数据集定义模块，ct_dataset.py和dsa_dataset.py分别处理两种模态
• data/features：特征相关目录，features_ct/和features_dsa_resnet/分别对应两种模态，如features_ct/0000283545.pt对应编号为0000283545的患者的CT数据特征

3.2 pretrain/models

预训练模型定义模块

3.3 pretrain/outputs

预训练输出结果目录

3.4 pretrain/scripts

预训练脚本模块

mae_ct_pretrain.py、mae_dsa_pretrain.py、resnet_dsa_pretrain.py 分别执行对应模型在 CT、DSA 数据上的预训练流程；feature_ct_extract.py、feature_dsa_extract.py 用于从 CT、DSA 影像中提取特征，为下游任务准备输入

main.py 为预训练的功能主脚本，使用时：

cd pretrain
python main.py pretrain_ct # 针对CT数据进行预训练
python main.py pretrain_dsa # 针对DSA数据进行预训练

4 models/

下游任务的深度学习模型定义相关代码

5 filter/

该文件夹存放的主要是有关数据筛选的代码和文件

5.1 筛选方案

5.2 筛选效果

5.3 filter/val_result.xlsx

筛选过程中留出法抽取8：1训练集与验证集在100轮中的预测结果

6 label.xlsx

参与筛选的所有样本的label与筛选结果

符号与标记解释：

• * 代表在留出法某次随机抽取中被抽为验证集，并在100轮训练过程中正确轮数超过60%，表现为符合规律的一次
• #代表在留出法某次随机抽取中被抽为验证集，并在100轮训练过程中正确轮数低于60%，表现为不符合规律的一次
• fail代表连续被标记为#超过5次，认为是不适合当前模型所拟合出的模态的样本，将不参与训练和测试
• val代表连续被标记为*超过5次，认为是适合当前模型拟合出的模态的样本，将作为验证集参与训练
• 空白代表未被抽中或表现不稳定，将作为候选的训练样本

7 train_val.ipynb

交互式notebook实现模型训练、验证与可视化过程

8 result.xlsx

训练过程记录，sheet=train为训练集，sheet=val为验证集

结果

• 验证集15个1类，11个0类

• 准确率： 0.903±0.054