今天将分享X射线血管造影图像的区域冠状动脉疾病自动诊断完整实现版本,为了方便大家学习理解整个流程,将整个流程步骤进行了整理,并给出详细的步骤结果。感兴趣的朋友赶紧动手试一试吧。
一、ARCADE2023介绍
冠状动脉疾病 (CAD) 是由于冠状动脉中动脉粥样硬化斑块的积聚而影响心脏血液供应的病症。CAD是全世界的主要死因之一。CAD最常见的诊断程序是冠状动脉造影,它使用造影剂和 X 射线观察动脉病变,这种类型的程序实时显示冠状动脉中的血流,可以精确检测狭窄和控制心室内干预和支架插入。冠状动脉造影是一种有用的诊断方法,可根据计算出的冠状动脉闭塞和受影响的节段来规划必要的血流重建程序。
以冠状动脉切段为目的的工作很少,目前在冠状动脉造影中手动选择节段和狭窄病变非常昂贵且耗时。该挑战赛的目的是对冠状动脉分割和狭窄检测方法进行基准测试,这些方法可用于减少花费的时间,同时保持冠状动脉造影分析的高精度。为此,提供了带有标记的冠状动脉段和狭窄斑块位置的冠状动脉造影帧数据集。冠状动脉段按照语法分数定义进行标记。期望模型能够有效地增加给定数量的图像以增加鲁棒性。
二、ARCADE2023任务
冠状动脉分割和狭窄检测(segmentation)
三、ARCADE2023数据集
ARCADE:使用 X 射线血管造影图像数据集进行基于区域的冠状动脉疾病自动诊断第 1 阶段由两个 XCA 图像数据集组成,用于 ARCADE 挑战的两个任务中的每一个。第一个任务包括总共1500张冠状血管树图像,分为train(1000)组,validation(200)组,test(300)组,用于训练的图像有注释,根据Syntax Score将心脏划分为26个不同的区域方法。类似地,第二个任务包括一组不同的1200张图像,分为train(1000)组,validation(200)组,test(300)组,并带有包含动脉粥样硬化斑块的注释区域。该数据集由医学专家仔细注释,使科学家能够积极为CAD患者的自动风险评估系统的发展做出贡献。
Zip 文件有 2 个主要文件夹:1. segmentation_dataset ,2. stenosis_dataset
1. segmentation_dataset由seg_train和seg_val文件夹组成。Seg_train文件夹中有images文件夹,其中提供了1000张XCA图像,还有annotations文件夹,其中提供了1000张COCO格式图像的注释。Seg_val文件夹下有images文件夹,里面提供了200张XCA图片。
2. stenosis_dataset由seg_train和seg_val文件夹组成。Seg_train文件夹中有images文件夹,其中提供了1000张XCA图像,还有annotations文件夹,其中提供了1000张COCO格式图像的注释。Seg_val文件夹下有images文件夹,里面提供了200张XCA图片。
评估指标:挑战提交使用平均 F1 分数进行评估,并将针对这两项任务在 300 张图像上进行测试。推理时间限制设置为 5 秒/每张图像。
四、技术路线
任务一、冠状动脉分割
1、图像预处理,将图像缩放到512x5122大小,再采用均值为0,方差为1的方式进行归一化处理,再将数据分成训练集和验证集。
2、搭建Vnet2d网络,使用AdamW优化器,学习率是0.001,batchsize是16,epoch是200,损失函数采用二值化的dice和交叉熵。
3、训练结果和验证结果
4、验证集分割结果
任务二、冠状动脉狭窄分割
1、图像预处理,将图像缩放到512x5122大小,再采用均值为0,方差为1的方式进行归一化处理,再将数据分成训练集和验证集。
2、搭建Vnet2d网络,使用AdamW优化器,学习率是0.001,batchsize是16,epoch是200,损失函数采用二值化的dice和交叉熵。
3、训练结果和验证结果
4、验证集分割结果
200例测试集分割结果
冠脉分割结果
冠脉狭窄分割
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。如果有任何问题,随时给我留言我会及时回复的。