CT-ICH2020——CT图像上的颅内出血检测和分割

今天将分享CT图像上的颅内出血检测和分割完整实现版本，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、CT-ICH2020介绍

创伤性脑损伤 (TBI) 是美国死亡和残疾的主要原因，截至 2013 年，约占所有伤害死亡的 30%。涉及 TBI 的事故发生后，可能会出现颅外轴外病变，例如颅内出血 (ICH)。ICH 是一种严重的医学病变，与高死亡率相关。ICH 被认为具有临床危险性，因为它有很高的风险转变成继发性脑损伤，如果治疗不当，可能会导致瘫痪和死亡。出血可根据其在大脑中的位置进行分类：脑室内（IVH）、脑实质内（IPH）、蛛网膜下腔（SAH）、硬膜外（EDH）和硬膜下（SDH）。

计算机断层扫描 (CT) 扫描通常用于 TBI 患者的紧急评估，通过捕获大脑的多个层来诊断颅内出血。CT 扫描的可用性及其快速采集时间使 CT 成为优于磁共振成像 (MRI) 的初始出血评估的首选诊断工具。CT 扫描使用 X 射线束生成一系列图像，根据组织对 X 射线的吸收量，以不同的强度捕获脑组织。CT 扫描使用加窗方法显示，该方法使用两个参数将亨斯菲尔德单位 (HU) 转换为灰度值 ([0, 255])：窗位 (WL) 和窗宽 (WW)。不同的窗口允许在灰度图像中显示组织的不同特征（例如，脑窗口、中风窗口或骨窗口）。在使用脑窗的 CT 扫描中，出血表现为结构相对不明确的高强度区域。CT 图像由高级放射科医生检查，以确定是否发生出血，如果发生，则检测类型及其区域。然而，这个过程可能很漫长，并且受过专科培训的神经放射科医生可能并不总是可以进行评估。

二、CT-ICH2020任务

分割颅内出血（ICH）区域。

三、CT-ICH2020数据集

收集了 82 个 CT 扫描的数据集，其中包括 36 个诊断为以下类型颅内出血的患者的扫描：脑室内、脑实质内、蛛网膜下腔、硬膜外和硬膜下。每位患者的每次 CT 扫描大约包含 30 个切片，切片厚度为 5 毫米。患者平均年龄和标准年龄分别为 27.8 岁和 19.5 岁。其中46名患者为男性，36名患者为女性。每张非增强 CT 扫描均由两名放射科医生拍摄，如果发生出血或发生骨折，他们会记录出血类型。放射科医生还在每个切片中描绘了 ICH 区域。放射科医生之间达成了共识。放射科医生无法了解患者的临床病史。

在数据收集过程中，首先使用西门子医疗解决方案公司的syngo读取CT DICOM文件并使用大脑和骨骼窗口保存两个视频（avi格式）， 分别。其次，在 Matlab 中实现了一个自定义工具，用于读取 avi 文件并执行注释。此外，生成的掩模被映射并保存到 75 名受试者的 NIfTI 文件中。

数据集下载链接：https://physionet.org/content/ct-ich/1.3.1/

四、技术路线

1、根据固定阈值和形态学操作得到人脑ROI区域，然后提取原始图像和标注图像的ROI。

2、分析图像信息，得到图像平均大小是363x449x34，因此将图像缩放到固定大小512x480x64。图像预处理，对步骤1的原始图像进行（0，150）窗宽窗位截断，然后采用均值为0，方差为1的方式进行归一化处理。然后将数据分成训练集和验证集，对训练集做10倍数据增强处理。

3、搭建STUNet网络，网络结构如下所示，详细内容可以阅读论文《STU-Net: Scalable and Transferable Medical Image Segmentation Models Empowered by Large-Scale Supervised Pre-training》，使用AdamW优化器，学习率是0.001，batchsize是1，epoch是300，损失函数采用二分类的dice和交叉熵。

4、训练结果和验证结果

5、验证集分割结果

左图是金标准结果，右图是网络预测结果。

6、测试集分割结果

左图是金标准结果，右图是网络预测结果。

点击阅读原文可以访问参考项目，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。