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:
数据集分为:
隐藏的测试集不公开,用于为竞赛提交的评分模型。
NB
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/