一、cardiacUDC2023介绍
超声心动图是一种非侵入性诊断工具,可以观察心脏的所有结构。它可以捕获心脏运动和功能的动态信息,使其成为心脏形态和功能分析的安全且经济高效的选择。心脏结构的准确分割,例如左心室 (LV)、右心室 (RV)、左心房 (LA) 和右心房 (RA),对于确定重要的心脏功能参数(例如射血分数和心肌)至关重要的。这些参数可以帮助医生识别心脏病、规划治疗和监测进展。因此,开发一种超声心动图视频的自动结构分割方法具有重要意义。
二、cardiacUDC2023任务
超声心动图视频四腔室分割。
三、cardiacUDC2023数据集
从两家医院收集超声心动图数据:站点 G 和站点 R。为了保证所有超声心动图视频符合标准,所有病例均由 5-6 名经验丰富的医生收集、注释和批准。对于伦理问题,需要医疗机构的批准。每位患者在扫描过程中接受四个视图,包括胸骨旁左心室长轴 (LVLA)、肺动脉长轴 (PALA)、左心室短轴 (LVSA) 和心尖四腔心 (A4C),从而为每位患者生成四个视频。每个视频的分辨率为800x600或1024x768,具体取决于所使用的扫描仪(飞利浦或日立)。分别从站点 G 和站点 R 收集了大约 100 名不同患者的总共516和476个视频。每个视频由100多个帧组成,涵盖至少一个心跳周期。
为每个视图提供了像素级注释,包括 LVLA 视图中左心室 (LV) 和右心室 (RV) 的掩模、PALA视图中肺动脉 (PA) 的掩模、LVSA视图中的左心室 (LV) 和右心室 (RV)的掩模,在 A4C 视图中的左心室 (LV) 、右心室 (RV)、左心房(LA)和右心房 (RA) 的掩模。R站点和G站点的视频按照8:1:1的比例分别进行训练、验证和测试。为了降低训练集中的注释成本,每个视频仅提供五帧像素级注释掩模。为了更好地衡量模型性能,为验证和测试集中每个视频的每个帧提供像素级注释。
数据下载:
https://www.kaggle.com/datasets/xiaoweixumedicalai/cardiacudc-dataset
四、技术路线
任务一、3d四腔室分割
1、分析图像,得到图像平均大小是800x600x55,因此将图像缩放到固定大小512x512x64。图像预处理,对图像采用均值为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,对训练集进行20倍数据增强。
2、搭建VNet3d网络,使用AdamW优化器,学习率是0.001,batchsize是1,epoch是300,损失函数采用多类的dice和交叉熵。
3、训练结果和验证结果
4、验证集分割结果
左图是金标准结果,右图是预测结果。
任务二、2d四腔室分割
1、图像预处理,对图像采用均值为0,方差为1的方式进行归一化处理,再图像缩放到固定大小512x512,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32,epoch是300,损失函数采用多类的dice和交叉熵。
3、训练结果和验证结果
4、验证集分割结果
左图是原图,中间是金标准结果,右图是预测结果。
5、测试集分割结果