MRNet：膝关节MRI扫描的深度学习辅助诊断
作者 | Misa Ogura
来源 | Medium
编辑 | 代码医生团队
上周参观了西班牙南部的埃斯特波纳镇，进行为期一周的coding retreat。作为参加MRNet比赛的一部分，从头开始使用PyTorch 复制MRNet论文。
https://journals.plos.org/plosmedicine/article?id=10.1371/journal.pmed.1002699
已开源代码，可以从MRNet GitHub仓库访问所有代码和Jupyter笔记本。
https://github.com/MisaOgura/MRNet
帮助推进AI在医学成像中的安全使用！
背景
在膝关节磁共振成像的深度学习辅助诊断：MRNet的开发和回顾性验证中，斯坦福ML小组开发了一种预测膝关节MRI检查异常的算法，并测量了向放射科医师提供算法预测的临床效用。外科医生在解释时。
开发了一种用于检测的深度学习模型：一般异常，前十字韧带（ACL）撕裂，半月板撕裂。
MRNet数据集描述
该数据集（~5.7G）是与论文发表一起发布。可以通过同意研究使用协议并在MRNet竞赛页面上提交详细信息来下载它。
https://stanfordmlgroup.github.io/competitions/mrnet/
它包括1,370膝关节MRI检查，包括：
- 1,104（80.6％）异常考试
- 319（23.3％）ACL撕裂
- 508（37.1％）半月板撕裂
数据集分为：
- 训练集（1,130项考试，1,088名患者）
- 验证集（120项考试，111名患者） - 在论文中称为调整集
- 隐藏的测试集（120个考试，113个患者） - 在论文中称为验证集
隐藏的测试集不公开，用于为竞赛提交的评分模型。
NB
- 分层随机抽样用于确保每组预设至少50个异常，ACL撕裂和半月板撕裂的阳性实例。
- 每位患者的所有检查都进行了相同的检查。
- 在该论文中，对公开可用的数据进行了外部验证。
http://www.riteh.uniri.hr/~istajduh/projects/kneeMRI/
探索性数据分析（EDA）
在尝试训练模型之前，通过探索和熟悉数据来获取领域知识至关重要。出于这个原因，对提供的数据集执行了EDA。
可以在此处访问公开托管的笔记本版本。
https://misaogura.github.io/MRNet/notebooks/MRNet_exploratory_data_analysis.html
代码实现
训练和评估模型所需的所有代码都发布在MRNet GitHub仓库中。强烈建议使用GPU进行训练。
模型提交
获得模型后，可以按照作者提供的教程将其提交给官方评估。得分出现在排行榜上需要大约2周的时间。
https://worksheets.codalab.org/worksheets/0xcaf785cb84564239b240400fbea93ec5/