zerebom
commented
4 years ago Abstract
Kits19のデータセットを使って、腎臓がんの自動識別をEncoder-Decoderモデルで行った論文。
従来のEncoder-Decorder機構にプラスして、境界面を特に注目するBoundary-Streamをネットワークに追加した。
Introduction
Architecture
2018年の腎臓がんの死者は延べ175,000人もいる。
現在の腎臓がんに対する手術は腎臓を全て除去するRN(Radical Nephrectomy)と、
癌になっている部分だけを取り除くPN(Partial Nephrectomy)がある。
癌の早期発見をすることができれば、手術を軽いPNだけですませることができるようになる。
高い専門技術が必要かつ、ミスが起こりやすい癌の識別という作業をNNによって代替できれば、 死者も医者の負担も減らすことができる。
Methods
Architecture
3x176x176x176のCT画像を入力し、学習する。 最初は16のフィルターを持つ3x3x3の3dConvに渡す。
Loss Functions
ResidualBlock
Implementation Details and Dataset【重要】
Data processing
[-1024,1024]->を1000分の1にして[-1,1]にする。そこから外れたものは削る specingは1x1x1mmにする。 cropは176x176x176にする。
Implementation details
Pytorch 0.8は cropping region was centered on the kidney tumor 0.1は任意のForeground 0.1はBackground
8x NVIDIA Tesla V100 G16
src: https://arxiv.org/abs/1909.06684
腎臓のDice score:0.9742 腎臓がんのDice score:0.8103 全体:0.8923と高い精度を出している。