ASOCA2020——冠状动脉分割
今天将分享冠状动脉分割完整实现版本,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、ASOCA2020介绍
心血管疾病是全世界死亡的主要原因。计算机断层扫描冠状动脉造影 (CCTA) 是一种非侵入性方法,用于评估冠状动脉疾病,以及评估和重建心脏和冠状血管结构。重建模型具有广泛的教育、培训和研究应用,例如研究患病和未患病的冠状动脉解剖、基于机器学习的疾病风险预测以及医疗设备的计算机和体外测试。然而,冠状动脉由于其尺寸小、位置小和运动小而难以成像,导致分辨率差和伪影。冠状动脉的分割传统上侧重于半自动方法,其中人类专家指导算法并纠正错误,这严重限制了临床系统内的大规模应用和集成。
二、ASOCA2020任务
分割冠状动脉管腔,不包括钙化区域或存在的其他疾病。Dice分数和 95% Hausdorff 距离将用于评估分割结果。
三、ASOCA2020数据集
40个心脏计算机断层扫描血管造影 (CCTA) 的训练集,其中造影剂显示冠状动脉,其中包括20名健康患者和20名确诊冠状动脉疾病的患者。
20个CCTA图像(10个健康图像和10个疾病患者)作为用于评估分割算法的测试集。
四、技术路线
1、由于冠脉是在心脏表面,首先分割提取心脏区域,采用固定阈值(-100,最大hu值)和最大连通域提取方法来去除多余的背景区域,只保留心脏ROI区域。
2、分析心脏ROI图像的图像大小和Spacing大小的中位数值为:512x512x275,0.35x0.35x0.5。将数据采样到固定spacing分辨率为0.4x0.4x0.4,然后随机裁切出10个patch图像,大小为256x256x240来生成训练数据。patch图像需要进行窗宽窗位截断设置(0,800),然后采用z-score归一化方式进行归一化处理。
3、搭建VNet3d网络,使用AdamW优化器,学习率是0.001,batchsize是1,epoch是100,损失函数采用多类dice和ce。
4、训练结果和验证结果。
5、验证集数据分割部分结果,左边是金标准结果,右边是网络预测结果。
6、测试集数据部分分割结果。
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://github.com/junqiangchen/PytorchDeepLearing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。
相关文章
- JavaFx 软件重启功能实现
- JavaFx 实现按钮防抖
- Java/Kotlin 密码复杂规则校验
- JavaFx Tooltip悬浮提示使用及自定义
- JavaFx WebView使用研究
- JavaFx 监听剪切板实现(Kotlin)
- JavaFx全局快捷键实现(Kotlin)
- JavaFx 创建快捷方式及设置开机启动
- JavaXMail发送邮件功能实现
- Kotlin/Java 读取Jar文件里的指定文件
- 极路由4增强版B70(HC5962)刷机
- 当 xxl-job 遇上 docker → 它晕了,但我不能乱!
- RHCE环境准备 | 介绍
- 登云之路|腾讯大规模云原生技术实践案例图鉴
- 我做了一款vscode主题! Dapanna Theme
- 第一周好文分享(强推这个系列!)
- canvas详细教程! ( 近1万字吐血总结)
- canvas绘制动画原理及案例讲解(绘制小恐龙动画、时钟等)
- 纯Canvas绘制绘制小恐龙向前冲游戏(Vue3版本的升级版)
- 关于css的八个结构伪类选择器 :last-child、:first-of-type、:nth-last-of-type()