Segmentation of Organs at Risk in Nasopharyngeal Cancer for Radiotherapy Using A Nested U-Net

Segmentation of Organs at Risk in Nasopharyngeal Cancer for Radiotherapy Using A Nested U-Net Architecture

 

引言介绍其他网络解决其他医学分割问题的情况，指出针对鼻咽癌没有普适方法。

方法：

数据集：采集（医院采集，医生手动分割） 分出测试集20组，else0.9训练集，0.1验证集（validation dataset）。10折交叉验证（10 folder cross validation，数据随机分成10个组，每个组做一次测试集，同时其余9组数据作为训练集，取10次测试的平均结果）。

预处理：图像增强，数据增强（图像剪切，旋转，灰度扰动，形状扰动（仿射变换））

模型：特点

损失函数：在医学图像分割中，正样本只占总样本中的一部分。在损耗设计中，需要减少负样本在损耗中的权重，以缓解样本不平衡的问题。使用焦损作为网络的损失函数，它可以平衡由于正负样本间的差异导致的性能下降。