预处理方法
1.重采样
KiTS数据集的图像spacing是不相同的,卷积神经网络没有办法解释体素间距,因此需要通过重采样将所有图像的体素spacing统一到一个公共的值,文章的target spacing=3.22*1.62*1.62,对应的图像shape=128*248*248
2.强度裁剪
当从不同的扫描仪或医院扫描同一器官时,期望同一器官的强度值是相同的。这个属性经常被用来设置一个水平窗口,窗口内的强度被裁剪到某个特定的器官的强度值,强度裁剪后,每个case的强度值范围是[-79,304],然后再减去101,之后再除以76.9,使得强度值范围更易被CNN处理
网络结构
基本还是3D UNet的结构,些许改动
网络训练
- SGD
- patch size=80*160*160
- batch size=2,每个epoch205个batch迭代,训练1000个epoch
- 损失函数:cross-entropy loss+dice loss
- 数据增强:放缩+旋转+亮度变化+对比度变化+gamma和高斯噪声