深度学习分割结果可能有误分割的部分，包括孔洞、赘余、多连通域等。
下面的例子是孔洞的样例。

常识告诉我们，这个器官内部是没有孔洞的，因此，我们通过后处理的方法把它填上,可以提高分割准确度。

这种三维孔洞，我们希望有一种便捷方法，可以直接填补这种三维孔洞。可以使用 SITK 的二值孔洞填补方法。 sitk.BinaryFillhole

sitk.BinaryFillhole
注意： 该函数只针对二值图像（值为0或1）

import SimpleITK as sitk
import os
import glob

imglist= glob.glob('./*.nii.gz')
save_dir = './fillhole'

for img in imglist:
    img_nii = sitk.ReadImage(img, outputPixelType=sitk.sitkUInt16)
    img_fill = sitk.BinaryFillhole(img_nii)
    img_savedir = os.path.join(save_dir, img.split('/')[-1])

    sitk.WriteImage(img_fill, img_savedir)

复制

该例子显示了如何批量填补孔洞，并且保存下来。

处理后已经不存在孔洞。

参考:深度学习，分割后处理之通过填补孔洞，提高分割准确度