全脑图像分割的结果指的是什么，如何将其可视化呢？

Question

自己最近在尝试github上这个Flood-filling Networks图像分割算法，但是因为不是我的专业领域所以很多地方都不太理解。这里附上算法的链接：

https://github.com/google/ffn/#preparing-the-training-data （算法本身基于CNN，使用Tensorflow）

我使用了FIB-25这个果蝇全脑切片图像数据集来训练网络，数据集由520*520*520的灰度矩阵和520*520*520的标签构成，训练结束之后对测试集进行推理，得到的结果是一个npz矩阵。

其中的segment我理解的就是分割结果，是一个250*250*250维的数组，且当中大部分元素值都是0，只有几个值不是0（这个结果与作者给出的结果相仿，非零值的位置都相同，我认为运行是成功的），这个结果代表什么呢？是分割的结果也就是边框的话，我能怎么把它可视化呢（就是类似于在切片图像上标注出来，但是由于维数不同我并不知道该怎么标注），只有几个值不是0的话，是意味着一次只分割出了一部分吗？如果我想对这个样本进行3D意义上的重构的话，又该怎么使用这个结果呢？

（图来自作者自己的论文，我很想得到这样的结果）

另外附上几篇相关的文献，方便大家参考：

https://arxiv.org/abs/1611.00421 （算法本身的说明与介绍）

https://www.biorxiv.org/content/10.1101/200675v1 （作者自己的一个应用）

自己在生物影像这方面完全是门外汉，感谢大家的帮助

Answer 1

这个其实有两个，一个是根据组织密度绘制热力图分层，一个是区块的识别，用到边缘检测的算法
因为你用的是cnn，那么你的matrix应该是卷积核
你这里的边缘检测的标签，应该是你的每个区块的边缘的坐标，可能是三角形也可能是多边形的定义
看你的源代码怎么说了。

Answer 2

正常的输出维度和输入维度和尺寸应该是一样的，（你的前后不一样的话，看看的的推理数据集的图片的大小是不是250*250的）
再则，三维数组，应该分别是图片的张数、宽和高，
输出结果每个位置上的数值对应原图片该像素的分离标签。