当前栏目
VALDO2021——血管病变检测挑战赛之血管周围间隙扩大计数(三)
今天将分享动血管周围间隙扩大计数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血管周围间隙扩大区域的数据提取出来,有一些数据是没有血管周围间隙扩大区域的,不作为训练数据,此外标签值只分析是1的,其他标签值都是0。一共40例数据,有血管周围间隙扩大的数据有13例。
分析这13例数据的基础信息:图像平均大小[216.91666667, 262.75, 160.66666667], 图像Spacing平均大小[0.74414051, 0.74414051, 0.89999983], 血管周围间隙扩大平均大小[2.1797005 , 1.85024958, 1.537913]。可以看到血管周围间隙扩大的区域非常小,所以采用spacing缩放方式将原始图像和Mask图像统一到(0.3,0.3,0.3)。
对Mask进行连通域分析得到每个血管周围间隙扩大的boundingbox,以boundingbox的中心裁切出(64,64,64),对裁切出来的三个模态图像进行(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。
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4631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)的三个模态图像区域进行分割,分割结果如下所示,左图是金标准结果,右图是预测结果。
相关文章
- VALDO2021——血管病变检测挑战赛之血管周围间隙扩大计数(二)
- 目标检测模型学习笔记
- 【目标检测】YOLOv6理论解读+实践测试VisDrone数据集
- 异常检测 One Class SVM 算法的个人理解
- 微博水军账号 spammer 检测模型上线
- 如何系统得对目标检测模型的误差分析?
- 未穿工作服检测报警系统
- 微信小程序内容安全检测(敏感词、敏感图)
- Matlab中的偏最小二乘法(PLS)回归模型,离群点检测和变量选择|附代码数据
- 【Android 插件化】使用插件化引擎对应用进行重打包的恶意软件特征 ( 检测困难 | 成本低 | 恶意插件可更换 | 容易传播 )
- 【致敬嵌入式攻城狮第2期活动预热征文】蜂鸣器加流水灯按键检测的实现
- WPJAM Debug:一键检测 WordPress 运行效率
- Zabbix监控(十五):心跳检测Zabbix Server的存活状态
- 郑州新增确诊1例、无症状转确诊40例:不参与第三轮核酸检测变黄码
- 在ASP中用组件检测当前网卡地址的代码
- 通达OA公共代码php常用检测函数
- JavaScript数据类型检测代码分享