前往小程序,Get更优阅读体验!
立即前往
首页
学习
活动
专区
工具
TVP
发布
社区首页 >专栏 >KiTS19——肾肿瘤分割挑战赛(六)

KiTS19——肾肿瘤分割挑战赛(六)

作者头像
医学处理分析专家
发布2020-06-29 15:07:50
5030
发布2020-06-29 15:07:50
举报
文章被收录于专栏:最新医学影像技术

上一篇分享了AttentionGatedVNet3D模型,但还没有进行实际测试。今天我将用该模型进行肾器官分割。

1、AttentionGatedVNet肾器官分割训练效果

我是在1080ti显卡上跑的,所以batchsize设置成3,如果大家出现OOM错误,请修改该参数,如果显存比11G还大的话,也可以设置大一些。最下面的图是训练loss结果及精度结果。

2、在测试数据上分割结果

前面也说过,训练是用0-199例数据来训练,测试是在200-209上来测试。在测试的时候,我们直接输入原始图像大小,例如512x512x48,将训练好的模型导入后,将512x512xn(可能是几百)的输入按z方向取48,不断输入到模型中得到最后肾器官分割结果。分割结果如下面视频所示,红色轮廓是金标准结果,蓝色轮廓是预测结果。与之前的VNet结果相比,感觉没有太大幅度的精度上的提升。

在10个测试集上计算dice值,平均值是95.64%。

3、代码分享

相应代码,我已经分享到github上了,地址:

https://github.com/junqiangchen/AttentionGatedVNet3D

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。如果碰到任何问题,随时留言,我会尽量去回答的。

本文参与 腾讯云自媒体同步曝光计划,分享自微信公众号。
原始发表:2019-06-03,如有侵权请联系 cloudcommunity@tencent.com 删除

本文分享自 最新医学影像技术 微信公众号,前往查看

如有侵权,请联系 cloudcommunity@tencent.com 删除。

本文参与 腾讯云自媒体同步曝光计划  ,欢迎热爱写作的你一起参与!

评论
登录后参与评论
0 条评论
热度
最新
推荐阅读
相关产品与服务
图像处理
图像处理基于腾讯云深度学习等人工智能技术,提供综合性的图像优化处理服务,包括图像质量评估、图像清晰度增强、图像智能裁剪等。
领券
问题归档专栏文章快讯文章归档关键词归档开发者手册归档开发者手册 Section 归档