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。
相关文章
- 语义分割性能指标_语义分割评价指标
- COVID-19-20——基于VNet3D分割网络在测试数据上分割结果
- VALDO2021——血管病变检测挑战赛之血管间隙分割(一)
- VALDO2021——血管病变检测挑战赛之血管间隙分割(二)
- 讲座报名|大连理工大学卢湖川:一网通吃——跟踪与分割大一统
- 【文本检测与识别-白皮书-3.1】第二节:基于分割的场景文本检测方法
- RAVIR2022——视网膜动脉和静脉分割和定量分析挑战赛
- PI-CAI2022——多模态MRI前列腺癌分割挑战赛
- AutoPet2022——全身PET/CT病灶分割挑战赛
- LAScarQS2022——左心房及疤痕定量分割挑战赛
- CuRIOUS2022——超声脑肿瘤分割挑战赛
- [IEEE TMI | 论文简读] PLN:用于几乎无监督的医学图像分割的类寄生网络
- Python split()方法详解:分割字符串
- 使用Linux:创建分割式制作工具(linux制作工具)
- 字符串利用Oracle实现拆分、分割逗号分隔字符串(oracle拆分逗号分隔)
- Linux命令:行分割技巧详解(linux行分割)
- 字符SQL Server中字符串分割技术实现(sqlserver切割)
- MySQL数据分割技术指南(mysql数据分割)
- 用python分割TXT文件成4K的TXT文件