1. 该项目可分为数据预处理、数据集设计和划分、网络模型、模型训练、模型测试、界面设计几个模块。该项目的目的是为了从人体多种组织细胞的病理图像中，分割出癌细胞核，以辅助医务人员和科研人员对于癌细胞的研究和癌症的诊断。输入可以选择测试集中的一张细胞病理图像，输出为模型预测出的癌细胞核的mask。使用者可以根据自己的实际需要调整界面控件（按钮、输入输出图像显示、文本框等）的摆放位置、控件数量，调整预测接口以输出定制化的预测结果（如输出图像中癌细胞核的mask和细胞原图的所属类别）。该项目的输入数据来源于kaggle平台提供的公开数据集：Cancer Instance Segmentation and Classification，使用者可以根据数据集之间的差异修改项目中的数据集模块。根据指标需要替换和修改网络模型以进一步提高指标。通过修改mask的通道，该项目还可以实现其他细胞核的分割：炎性细胞、结缔/软组织细胞、死细胞和上皮细胞。
2. 由于images.npy文件很大，直接读取和进行数据处理，读取速度慢、资源开销大，而且.npy文件不便于可视化，因此需要进行数据预处理，将images.npy和masks.npy转为.png格式的可视化图像，而且该数据集中有部分未标注数据，由于选用全监督方法进行训练和测试，需要对这部分数据进行滤除（避免影响网络训练）。网络模型采用Mask RCNN，可用于实例分割。界面部分是自主设计的，可以实现从测试集中任意选择一张图片，然后输出预测出的mask图像的功能。验证集最佳AP可达到81%，最佳AR可达到64%；测试集最佳AP可达到70%，最佳AR可达到54%。