2012心肌及心肌梗塞分割挑战赛

今天将分享心肌及心肌梗塞分割完整实现版本，为了方便大家学习理解整个流程，将整个流程步骤进行了整理，并给出详细的步骤结果。感兴趣的朋友赶紧动手试一试吧。

一、2012心肌及心肌梗塞分割介绍

左心室心肌梗死分割算法的基准测试平台。图像数据库由 30 个多中心、多供应商和多分辨率数据集组成。

二、2012心肌及心肌梗塞分割任务

心肌及心肌梗死区域分割。

三、2012心肌及心肌梗塞分割数据集

30例心肌标注数据，10例心肌梗死标注数据。

四、技术路线

心肌及心肌梗塞分割采用两个网络来完成，第一个网络分割心肌区域，然后根据心肌区域ROI用第二个网络来细分心肌梗塞区域。

1、去除多余的背景干扰，采用固定阈值（10，最大像素值）分割，然后使用形态学开操作（核大小是3）和最大连通域分析得到人体ROI区域。

2、心肌分割

2.1、统计ROI图像平均大小294x297x19，平均Spacing大小是1.31x1.31x6.43。将图像缩放到固定大小为320x320x32，并采用z-score进行归一化处理，将数据划分成训练集（25例）和验证集（5例），其中训练集进行10倍数据增强处理（平移，旋转，翻转等）。

2.2、搭建VNet3d网络，使用AdamW优化器，学习率是0.001，batchsize是6，epoch是200，损失函数采用二值dice和ce。

2.3、训练结果和验证结果

2.4、验证集分割结果

左边是金标准结果，右边是网络预测结果。

3、心肌梗塞分割

3.1、对心肌Mask进行形态学膨胀操作（核大小是5），再使用最大连通域得到心肌ROI区域。

3.2、统计ROI图像平均大小90x93x20，平均Spacing大小是1.32x1.32x6。将图像缩放到固定大小为96x96x32，并采用z-score进行归一化处理，将数据划分成训练集（8例）和验证集（2例），其中训练集进行20倍数据增强处理（平移，旋转，翻转等）。

3.2、搭建VNet3d网络，使用AdamW优化器，学习率是0.001，batchsize是10，epoch是200，损失函数采用二值dice和ce。

3.3、训练结果和验证结果

3.4、验证集分割结果

左边是金标准结果，右边是网络预测结果。

4、测试集分割结果

在测试推理的时候，先使用心肌分割模型对心肌区域分割提取，然后对心肌mask进行形态学膨胀操作（核大小是5），再使用心肌梗塞分割模型对心肌梗塞ROI区域分割提取，然后将心肌和心肌梗塞结果进行合并得到最终结果。

为了方便大家更高效地学习，我将代码进行了整理并更新到github上，点击https://www.cardiacatlas.org/challenges/ventricular-infarct-segmentation/即可访问。由于之前都是使用tensorflow1.14的进行代码实验开发的，为了方便pytorch的朋友们也可以复现实验结果，我将tensorflow版本的代码翻译转换成pytorch版本的。

如果大家觉得这个项目还不错，希望大家给个Star并Fork，可以让更多的人学习。如果有任何问题，随时给我留言我会及时回复的。