从今天开始,我们会分享在肝肿瘤分割挑战赛中的一些阶段性进展。希望可以给感兴趣参加比赛的朋友抛个砖入个门,我们也非常欢迎有经验的朋友提出好的见解,可以一起学习交流。
一、数据和模型准备
所有的LiTS数据和深度学习模型,在之前的文章中已经分享了,这里就不多说了,详见github:https://github.com/junqiangchen/LiTS---Liver-Tumor-Segmentation-Challenge。
二、整个训练处理过程
我用的是GTX1080显卡,训练的时候图像大小是256x256x16。LiTS训练数据一共有130例,选择0-110做为训练,111-130做为测试。在训练图像上进行裁切操作,生成多个Patch子图像。VNet训练的batchsize只能设置成1,使用Adam优化器,学习率是0.001,epoch次数是10等。训练完后,loss如图所示。
三、整个测试处理过程
在模型训练完后,接下来就要进行测试分割,测试的图像输入大小为512x512x32。测试原始图像大小是512x512xn,n是多少层(不确定值),用VNet分割时,按步长16,从512x512xn大小的图像上不断裁切出512x512x32大小图像,再输入到网络中得到相应分割结果,最后将这些分割结果进行拼接合并得到最终输出分割结果。
四、对分割结果进行分析
我选择了几层图像来进行效果对比,第一列是原始图像,第二列是金标准Mask图像,第三列是VNet分割Mask图像,如图所示。从图中分割结果来看,在肝的前端和尾端区域分割效果不是特别好,而中间区域分割效果还是不错的。通过计算dice值是0.9761。
最后我把训练模型和测试用的数据分享给大家。
模型地址:https://pan.baidu.com/s/1BCLetHEot5dXKm3PBO9bOg
提取码:ucbv 。
测试数据额地址:https://pan.baidu.com/s/1A_-u7tJcn7rIqnrLaSqi4A提取码:22es 。