全流程3D医疗分割开发工具MedicalSeg重磅开源
医学影像是临床疾病诊断的重要方式,高效精准地从影像中识别出器官结构或病变,是医学影像学的重要课题之一。依据成像原理,医学影像可以粗略分为两类:
- 2D成像:一种是在可见光下获取的RGB彩照,如眼底彩照、皮肤彩照等
- 3D成像:借助非可见光或其它物理效应,由计算机辅助成像,如CXR/DR(X-Ray),CT,核磁共振(MRI)等。如CT与MRI数据是多个2D切片沿第三个空间维度堆叠而成的。
图1 各类医学影像
其中,3D影像能够更直观辅助医生提升诊断效率。但医学影像的读片工作对专业知识要求高,这样繁重且重复性较高的阅片工作,仅能由专业的影像科医生完成。另一方面,医学影像在医学检查中愈发常见,对阅片专家的需求也在增加。随着深度学习技术的发展,我们看到了使用AI技术辅助医生快速分析阅片、减轻阅片工作负担的可能性。
为了更好地使用前沿AI技术辅助医生快速阅片分析、帮助患者更快地获得影像检查结果,百度飞桨PaddleSeg产研团队联合百度智慧医疗部影像团队、广州第一人民医院南沙医院放射科及韩霖、郎督等飞桨PPSIG的成员们基于PaddleSeg开发了全流程 3D 医学图像分割工具MedicalSeg。
图2 MedicalSeg医学影像分割工具介绍
MedicialSeg以模块化的形式,提供了从数据处理、模型训练、可视化验证到部署的全流程。提供了高精度的VNet、UNet模型,支持7种不同格式的3D数据读取,6种3D数据变换、12类器官数据预处理,方便医疗从业者快速构建医疗识别模型,高效进行图像识别。
在这里给大家献上链接,欢迎大家体验!
记得Star收藏跟进最新状态!传送门:
https://github.com/PaddlePaddle/PaddleSeg/tree/release/2.5/contrib/MedicalSeg
MedicalSeg3D究竟具备哪些优点?在这里为大家一一展开。
全流程覆盖极简开发
为了更方便地简化流程,首先,通过一键数据预处理,确认数据的正确性,随后开始训练和评估,过程中随时可以查看预测结果的3D可视化,获得满足精度的模型之后,我们对其进行导出和部署,从而获取更快的推理速度为应用服务。
完整的流程图如图所示:
图3 MedicalSeg可视化功能展示
模型丰富先进高效
MedicalSeg涵盖了主流的UNet、VNet等3D分割模型,其中VNet在COVID-19 CT scans数据集中,在COVID-19 CT scans 中达到了 97.04% 的 平均Dice 系数,实现的效果超越业界认可的medical zoo的精度。
产业实用、极致推理优化
MedicalSeg使用 CuPy 在数据预处理中添加 GPU 加速。与CPU 上的预处理数据相比,加速使我们在数据预处理中使用的时间减少了大约 40%。下面显示了加速前后,我们花在处理 COVID-19 CT scans 数据集预处理上的时间。
听完介绍,大家是否已经跃跃欲试?
更多详细细节请参考:
https://github.com/PaddlePaddle/PaddleSeg/tree/release/2.5/contrib/MedicalSeg
相关文章
- 系统启动流程-armV7
- 【说站】如何注销网站域名备案?网站备案注销流程介绍
- 冻肉进口报关流程_企业如何取得报关资质
- 数据挖掘的流程[通俗易懂]
- 管家婆D9手机版配置流程
- 完整版在xcode打测试专用ipa包流程
- Flowable subscribe流程介绍
- 【数据挖掘】卷积神经网络 ( 池化 | 丢弃 | 批量规范化 | 卷积神经网络完整流程示例 | 卷积 | 池化 | 全连接 | 输出 | 卷积神经网络总结 )
- Echarts实现3D环状图效果(非3d)
- SkeyeLive中DirectShow采集音视频流程及几种采集方式介绍
- 零样本文本分类应用:基于UTC的医疗意图多分类,打通数据标注-模型训练-模型调优-预测部署全流程。
- Java Activiti6.0 spring5 SSM 工作流引擎 审批流程 java项目框架详解编程语言
- Spark算子执行流程详解之一大数据
- Oracle服务名配置流程:快速获取结果(oracle服务名配置)
- Oracle安装详细指南:从下载到环境搭建的全流程详解(oracle安装详细)
- js查错流程归纳