本文介绍了使用SimpleITK处理肺癌CT DICOM数据，通过预处理优化肺部区域，采用Unet+Resnet网络结构进行模型构建。在数据优化、模型架构优化和Loss函数设计上提出了工业级思路，包括层次化Hard Mining。最后，文章开源了基于Intel Extended Caffe的3D Faster RCNN RPN模型代码，为医学影像处理提供参考。
肺癌数据集DICOM ：https://wiki.cancerimagingarchive.net/display/Public/LIDC-IDRI
首先用SimpleITK把mhd图片读入，对每个切片使用Gaussian filter然后使用阈值-600把肺部图片二值化，然后再分析该切片的面积，去掉面积小于30mm2的区域和离心率大于0.99的区域，找到3D的连通区域。
只保留0.68L到8.2L体积的区域，并且如果大于6000 mm2的区域到切片的中心区域的距离大于62mm也删除该连通区。最后只留下一个最大的连通区域。
左边是原始图，右边是切完肺的。
在实际中预处理中，我们可视化了每个肺的部分切片，存在一些bad case。主要有以下3种，我们也对这3种情况做了优化：
- 把肺边缘结节切掉。因为阈值导致的，把二值化环境-600改成-150有改善。
- 切出来全部为黑的(未找到任何肺部区域)。有些ct图是从头部开始扫描的，导致影响了连通区域判断，需要手动查看该mhd文件，看里面的从第个切片到第几个切片是肺部，在做完二值化操作后，人为把前面和后面的切片全部设置为0。
- 切出来只有一侧肺部情况。
有些患者两个肺的大小差别比较大，需要调整阈值，放宽阈值标注，把大于6000 mm2的区域到切片的中心区域的距离大于62mm也删除该连通区，
最低0.47元/天 解锁文章
234
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
