Tensorflow入门教程(二十三）——前列腺分割比赛top9之路

在前面篇章中我分享过用2D版本和3D版本的VNet来进行MR图像的前列腺分割，为了验证分割模型的鲁棒可靠性，我在测试数据上进行了分割并在网上提交分割结果，在差不多两个星期的时间内，成绩由最初的五十多名提升到第九名，虽然成绩不是最好的，但是这期间采用的一些策略技术我将分享给大家。

第一阶段

在第一次提交成绩前，我已经实现了2D和3D的VNet模型的搭建和训练，但是还没有在测试集上进行分割，因此我就很简单地直接在测试数据上进行分割，提交分割结果，结果排名在五十多名。

第二阶段

五十多名的成绩看上去其实不是太差，跟第一名只有6%的差距。在官网上我们可以看到测试集结果的评价指标，我们分析了每个测试集的得分，发现有大概7到8例是低于平均得分的，特别有2例成绩比平均得分低了十几个点。所以在第二阶段，我们主要就是针对这些结果不好的测试集进行处理。在之前分享的2D和3DVNet例子中，我也说过这两个模型的优缺点，所以这里我想到把这两个模型的优势进行结合。我们首先用3DVNet来确定前列腺深度范围，再在该范围内用2DVNet进行每一层的结果分割。采用这个策略后，我们再次提交了成绩，结果排名在二十多名。

第三阶段

我们再次分析了一下二十五名的得分结果，发现之前那些只用3DVNet分割的测试集得分在用3DVNet和2DVNet相结合的方法后都有一定幅度的提升。我们为了进一步提高得分结果，我们在所有测试集上采用3DVNet和2DVNet相结合的方法进行分割测试。再次提交成绩后，成绩排在第九名。

我已经将相应的2D和3D版本的VNet分享到github上：

https://github.com/junqiangchen/VNet，

https://github.com/junqiangchen/VNet3D。

感兴趣的朋友可以在github上看到详细的过程，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。