问题：

使用3d网络模型分割，分割出来的结果与真值图计算hd95，网上查找了许多办法，但大多都是2d的计算方式，不适用我的结果，又或者是因为我没有想到适用我的方法。最终找到一个medpy函数库计算hd95的值。

medpy函数库详情参考链接：medpy.metric.binary.hd — MedPy 0.4.0 documentation

使用方法：

from medpy.metric import binary

#计算hd
hd=binary.hd(Vseg, Vref, voxelspacing=None)
#hd95
hd95=binary.hd95(Vseg, Vref, voxelspacing=None)

遇到错误：

大概就是错误提示数组值为0，具体的我没有保存，不想再实验一次了。又或者改用下面的方法出现相似的错误。

在使用如下代码计算hd距离时：

def hausdorff_distance(lT,lP):
    labelPred=sitk.GetImageFromArray(lP, isVector=False)
    labelTrue=sitk.GetImageFromArray(lT, isVector=False)
    hausdorffcomputer=sitk.HausdorffDistanceImageFilter()
    hausdorffcomputer.Execute(labelTrue>0.5,labelPred>0.5)
    return hausdorffcomputer.GetAverageHausdorffDistance()#hausdorffcomputer.GetHausdorffDistance()

遇到了如下错误：

python使用SimpleITK出现问题

RuntimeError:Exception thrown in SimpleITK hausdorffDistanceImageFilter_Execute: ../ITK-prefix/include/ITK-5.1/itkDirectedHausdorffDistanceImageFilter.hxx:168:
itk::ERROR:pixelcount is equal to 0

分析原因：

发现预测结果可能会出现空白的情况，即可能会遇到某个数组全为0，导致不仅进行接下来的计算。

解决方法：

根据预测图像以及真值图的值进行判断 ，作为判断条件分情况给hd赋值

（大致就是假阳性时hd赋值取最大，若是遇到真值预测均为空白hd则赋值0）

【这只是wo私以为的方法，还请各位大佬批评指正，希望可以温柔一点哦 : ） ！！！】

代码实现：

暂略！