Data preprocessing
原始数据集中的图像通常大小不同，因此有时我们需要调整大小和归一化（z-score 常用于 MRI 图像的预处理）来让它们可以被CNN学习。
1. numpy储存npy转化后图片的格式问题：
- 通过np.load读取后的npy格式的图片，在numpy数组中以n个数组的形式储存在一个array中，每个数组有m个元素，代表此图的大小为m列n行像素。
- plt.imshow()其实就是将数组的值以图片的形式展示出来,数组的值对应着不同的颜色深浅,而数值的横纵坐标就是数组的索引。也就是说，numpy中储存的数字是灰度，也可以理解为亮度，即颜色的深浅。而imshow里的cmap就是一个调色盘，或者理解成配色方案，imshow根据该配色方案，参考numpy的灰度数值来生成图像。例如：
其运行结果为：
（本数据集中灰度应该采用的是浮点算法：Gray=R*0.3+G*0.59+B*0.11）
2. 图层问题
- 原图里面，img.npy是有BGR三通道储存的，也就是代表他是一个 [240x240x3]的大数组，后面那个3就是B层G层和R层。而那个seg文件，就是记录肿瘤的图层只有B层一个层，就是一个[240x240x1]的数组。所以在显示肿瘤的时候后面不用加这个0，显示原图的时候就要加0，因为只有0才能和肿瘤的图层搭配，如果选1或者2就看不出肿瘤了。P1是显示肿瘤，P2是显示原图
TIPs：
- SEG图层的像素值要转换成0与1（255 改为 1），使得模型进行2分类
- imgh图层的像素值数据类型要转化为torch.long
- Tensor是一种张量类型，模型的训练需要突破以此类型输入