专栏首页最新医学影像技术BraTS18——多模态MR图像脑肿瘤分割挑战赛续9

BraTS18——多模态MR图像脑肿瘤分割挑战赛续9

今天将继续分享从网络结构上进行改进提出ETVNet模型来分割脑肿瘤。为了方便大家学习理解整个分割流程,我将整个流程步骤进行了整理,并给出每个步骤的结果,希望对大家有所帮助。

一、Edge Guidance 模块介绍

在论文《ET-Net A Generic Edge-aTtention Guidance Network for Medical Image Segmentation》中,作者提出在网络中加入了边缘注意力来引导分割结果。作者指出在分割网络中的编码模块中,浅层的编码层学习到的是局部的边缘特征,通过Edge Guidance模块来表达边缘信息,此外作者还使用了Weighted Aggregation模块,这个模块是将每个解码模块的输出先进行通道重标定BraTS18——多模态MR图像脑肿瘤分割挑战赛续4,然后再将不同尺度重标定结果进行相加,最后再与Edge Guidance模块的输出进行集成来提高最后的分割结果。Edge Guidance模块和Weighted Aggregation模块结构如下所示。

这两个模块的结构比较简单,这里就不给出代码了,大家可以自己动手实践一下。

二、脑肿瘤图像分析与预处理

(1)、多模态MR脑肿瘤图像分析。

分析的过程基本上跟上一篇一致,这里就不多言了,直接从数据处理开始。

(2)、准备脑肿瘤分割数据。

首先将4个模态序列的MR原始图像进行合并生成4个通道的三维图像,原始图像大小都是(240x240x155x1),合并后大小是(240x240x155x4);

其次对Mask图像进行one-hot操作,将原始图像大小都是(240x240x155x1),生成大小是(240x240x155x4):通道0中非零值区域是背景区域,通道1中非零值是坏疽区域,通道2中非零值是浮肿区域,通道3中非零值是增强肿瘤区域;

最后对图像和Mask进行分块——取Patch操作,生成若干个(128,128,64)大小的图像和Mask,判断并输出非零的Mask和对应的图像。

三、脑肿瘤分割

(1)、搭建ETVNet3d模型,与VNet3d模型不同之处在于增加了EdgeGuidance模块和WeightedAggregation模块,网络输入大小是(128x128x64)。

(2)、loss采用的是多类Focalloss,具体实现可以点击原文链接查看具体代码。

(3)、训练的损失函数和精度如下图所示。

(4)、脑肿瘤分割推理过程:首先将原始flair,T1,T2,T1ce图像一起读取进来并进行z-score标准化操作,然后将四个模态图像合并成4通道三维图像(240x240x155x4),输入到网络中去,网络输入大小是(240x240x48x4),在z方向上分块输入并拼接最终得到(240x240x155)分割结果。

(5)、进行了结果测试,左边是金标准图像,右边是预测结果图像,如下所示。

了大家更好的学习,我把ETVNet网络代码分享到github上:

https://github.com/junqiangchen/VNetFamily

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。

本文分享自微信公众号 - 最新医学影像技术(MedicalHealthNews),作者:最新医学影像技术

原文出处及转载信息见文内详细说明,如有侵权,请联系 yunjia_community@tencent.com 删除。

原始发表时间:2019-12-06

本文参与腾讯云自媒体分享计划,欢迎正在阅读的你也加入,一起分享。

我来说两句

0 条评论
登录 后参与评论

相关文章

  • BraTS18——多模态MR图像脑肿瘤分割挑战赛续10

    今天将继续分享从网络结构上进行改进提出基于距离变换的多任务VNet模型来分割脑肿瘤。为了方便大家学习理解整个分割流程,我将整个流程步骤进行了整理,并给出每个步骤...

    用户7498388
  • Tensorflow入门教程(二十九)——图像分割生成对抗网络(VNetGAN)

    上一篇文章给大家分享了生成对抗网络来做超分辨成像,很多读者都说生成的图像效果非常逼真,深刻觉得GAN的强大。今天我将继续给大家分享如何在图像分割上应用生成对抗网...

    用户7498388
  • BraTS18——多模态MR图像脑肿瘤分割挑战赛续5

    今天将继续分享从网络结构上进行改进提出SCSEVNet模型来分割脑肿瘤。为了方便大家学习理解整个分割流程,我将整个流程步骤进行了整理,并给出每个步骤的结果,希望...

    用户7498388
  • kubernetes中集成istio出现拉取配置中心数据失败导致服务启动失败

    由于在k8s使用了grpc,所以这里我们集成istio来实现http2的自动发现以及负载均衡,但是随着节点增加,istio之前同步配置时间边长导致第一次启动时,...

    一笠风雨任生平
  • istio 庖丁解牛(一) 组件概览

    Istio 作为 Service Mesh 领域的集大成者, 提供了流控, 安全, 遥测等模型, 其功能复杂, 模块众多, 有较高的学习和使用门槛, 本文会对i...

    钟华
  • k8s1.15安装istio时问题记录

    dogfei
  • 可在冰雪路况下行使的自动驾驶汽车问世

    芬兰国家技术研究中心(VTT)开发出了一种可以在冰雪环境下自动驾驶的汽车。 尽管无人驾驶汽车在没有交通的干燥路面上行驶平稳,但冰雪路况一直被证明是自动驾驶汽车的...

    人工智能快报
  • openshift/origin工作记录(12)——Openshift3.11安装Istio

    版权声明:本文为博主原创文章,未经博主允许不得转载。博客地址:http://blog.csdn.net/huq...

    胡了了
  • 使用腾讯云SSL证书保护你的Nginx服务器

    腾讯云SSL是一个新的证书颁发机构(CA),它提供了一种获取和安装免费TLS /SSL证书的简便方法,从而在Web服务器上启用加密的HTTPS。您可以在腾讯云W...

    你在哪里
  • Mysql 常用函数(10)- strcmp 函数

    https://www.cnblogs.com/poloyy/p/12890763.html

    小菠萝测试笔记

扫码关注云+社区

领取腾讯云代金券