【3D 图像分割】基于 Pytorch 的 VNet 3D 图像分割10（测试推理篇）

对于直接将裁剪的patch，一个个的放到训练好的模型中进行预测，这部分代码可以直接参考前面的训练部分就行了。其实说白了，就是验证部分。不使用dataloader的方法，也只需要修改少部分代码即可。

但是，这种方法是不end to end的。我们接下来要做的，就是将一个CT数组作为输入，产生patch，最后得到预测的完整结果。这样一个初衷，就需要下面几个步骤：

1. 读取一个序列的CT数组；
2. OverLap的遍历所有位置，裁剪出一个个patch；
3. 一个个patch送进模型，进行预测；
4. 对预测结果，再一个个拼接起来，组成一个和CT数组一样大小的预测结果。

这里，就要不得不先补齐下对数组crop和merge操作的方法了，建议先去学习下本系列的文章，链接：【3D 图像分割】基于 Pytorch 的 VNet 3D 图像分割9（patch 的 crop 和 merge 操作）。对于本系列的其他文章，也可直达专栏：人工智能与医学影像专栏。后期可不知道什么时候就收费了，先Mark<