本文介绍了天池医疗AI大赛中的肺部结节检测任务，使用3DYOLO模型进行目标检测，重点讲述了数据预处理中的肺部区域提取策略，模型构建中对Unet网络结构的调整，以及如何通过数据增强、hardmining和模型融合来提升检测性能。
一、赛题说明
数据格式
本次大赛数据集包含数千份高危患者的低剂量肺部CT影像（mhd格式）数据，每个影像包含一系列胸腔的多个轴向切片。每个影像包含的切片数量会随着扫描机器、扫描层厚和患者的不同而有差异。原始图像为三维图像。这个三维图像由不同数量的二维图像组成。其二维图像数量可以基于不同因素变化，比如扫描机器、患者。Mhd文件具有包含关于患者ID的必要信息的头部，以及诸如切片厚度的扫描参数。
数据由大赛合作医院授权提供，全部是肺部CT影像（mhd格式）数据。主办方为医院开发了专业的脱敏软件，所有CT影像数据严格按照国际通行的医疗信息脱敏标准，由医院进行脱敏处理，脱敏信息包括：医院信息、患者信息和标注医师信息，所有数据不可溯，切实保障数据安全。
训练集和验证集的所有数据全部都有结节，除了进行病理分析的结节外，其它结节都由三位医生进行标记确认。csv文件标注了结节的位置和大小,具体示例如下：
------------------------------------------------
Seriesuid,coordX,cordY,coordZ,diameter_mm
LKDS_00001,-100.56,67.26,-231.81,6.44
------------------------------------------------
参赛者提交一个CSV文件，第一行标记每一列的名称，一共五列，分别为图像ID号，坐标和概率。从第二行之后的每一行都标记一个检测到的结节，坐标为检测到的结节的中心坐标x, y, z的数值。例如：
------------------------------------------------
seriesuid
最低0.47元/天 解锁文章
扫一扫
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
