1. 该项目功能包括二类/多类loss设计、模型融合、阈值dice指标设计、数据集设计、模型训练和测试。该项目的目的是识别并分割五类人体器官的功能组织单位，提高模型跨越多个器官的泛化性和鲁棒性。数据来源于kaggle平台的公开数据集：HuBMAP + HPA - Hacking the Human Body，输入图像为.tiff格式，图像中的标注信息包含RLE编码过的mask，使用者可以使用该项目分割出人体器官对应的mask，可将mask编码为RLE格式
2. 将.csv文件中的RLE信息转换成.png格式的mask。训练集图片有351张，数据量少，且图片的分辨率很大（3000×3000），因此需要对图像进行切patch操作。训练过程中使用多折交叉验证的训练策略，提高数据的利用率。设计动态门限，找到对应dice值最高的门限值。通过消融实验验证efficientNet、FPN、UneXt50、和ASPP模块的作用（是否会影响指标），最终融合这些模块。在测试阶段使用TTA，提高模型的泛化能力。设计二类/多类loss，二类loss用于预测每个像素是否属于mask，多类loss用于得到该图像属于哪类器官组织的概率。验证集当阈值取0.55时，dice值最高为0.83，测试集最佳dice为0.65