VALDO2021——血管病变检测挑战赛之脑微出血检测（三）

今天将分享脑微出血检测的第三步二值化分割的完整实现过程，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、数据分析与预处理

首先将训练中有效的颅内微出血区域的数据提取出来，有一些数据没有微出血区域，不作为训练数据，在这里只分析标签值1，其他标签都是0。以一共72例数据，有微出血的数据有49例。

分析这49例数据的基础信息：平均值分别是[373.33333333, 373.33333333, 83.375], [0.75895175, 0.75895175, 2.7124758 ], 微出血的boundingbox平均值是[4.93360996, 4.55186722, 2.17012448]。可以看到微出血的区域非常小，所以采用spacing缩放方式将原始图像和Mask图像统一到（0.4，0.4，0.4）。

对Mask进行连通域分析得到每个微出血的boundingbox，以boundingbox的中心裁切出（64，64，64），对裁切出来的图像进行（5，95）的均值为0，方差为1的归一化处理。

数据增强：为了增强多样性，对裁切出来的数据进行5倍数据扩充，随机旋转30度，x，y，z随机平移0.1大小，水平，垂直随机翻转等。

最后将数据分成训练集，验证集和测试集，比例是80%，10%，10%大小。

二、二分割网络

网络主体采用的是VNet的网络，损失函数采用的是二值dice，学习率是0.001，droupout是0.5，迭代次数是20epochs，batchsize是6。训练数据一共有1368例，优化器是AdamOptimizer。

三、网络训练和测试

训练损失结果和精度结果

在测试数据上通过人为指定一个中心点坐标，然后再对该中心点（64，64，64）的区域进行分割，分割结果如下所示，左图是金标准结果，右图是预测结果。