cardiacUDC2023——超声心动图视频四腔室分割

今天将分享超声心动图视频四腔室分割完整实现版本，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、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