标签：Information Segmentation Staging 癌症 分期 Images Nasopharyngeal

《Combining Images and T-Staging Information to Improve the Automatic Segmentation of Nasopharyngeal Carcinoma Tumors in MR Images》

读书报告

Wxy

 

论文基本信息：

Combining Images and T-Staging Information to Improve the Automatic Segmentation of Nasopharyngeal Carcinoma Tumors in MR Images

Concept

基于Unet，包含了T分期信息。

• TNM系统是应用最广泛的癌症分期系统。大多数医院和医疗中心都使用TNM系统作为报告癌症的主要方法。除非您患有使用不同分期系统的癌症，否则您可能会在病理报告中看到此分期系统描述的癌症。具有不同分期系统的癌症的例子包括脑和脊髓肿瘤以及血液癌。
• T1，T2，T3，T4：是指主要肿瘤的大小和/或程度。T之后的数字越高，肿瘤越大，或者它越多地生长到附近的组织中。T可以进一步划分以提供更多细节，例如T3a和T3b。

 

Problem/challenge/background

 

Contribution

1. 设计了T-channel来利用T分期信息。（相当于给了不同的背景色）
2. Unet上加了attention module。
3. 251个病人（数据集大？）

 

How to solve the problem

1. input：

1. 将图片按照T分期顺序集合。

   

1. Tchannel（级联到上面3个channel）

1. 最终input： 

1. 网络结构：

　　　　　　通过中间的串联层（attention module）解决反卷积丢失信息的问题。

   

1. Dice Loss（普遍，面积）+ASSD（距离）

   

How to prove that problem has been solved如何设计实验

1. Dataset介绍（人数，采集地点，仪器，GT，尺寸分辨率）
2. 10折交叉验证
3. 运行环境/600 epoch/Adam优化器参数_1= 0.9 and _2 = 0.999/学习速率1e-4，后200epoch， 1e-5
4. Validation：10折结果/和其他网络比较DSC（分割常用指标）以及ASSD，三线表呈现，结果更优/图片展示（GT/本方法/不加Tchannel）

Other enlightenment

Discussion：

1. 解释怎么好了，Tchannel贡献更大
2. 不足：GPU导致batchsize=6，epoch=600（都可以更大）

 

标签：Information,Segmentation,Staging,癌症,分期,Images,Nasopharyngeal
来源： https://blog.csdn.net/weixin_49824360/article/details/117534470

本站声明： 1. iCode9 技术分享网（下文简称本站）提供的所有内容，仅供技术学习、探讨和分享；
2. 关于本站的所有留言、评论、转载及引用，纯属内容发起人的个人观点，与本站观点和立场无关；
3. 关于本站的所有言论和文字，纯属内容发起人的个人观点，与本站观点和立场无关；
4. 本站文章均是网友提供，不完全保证技术分享内容的完整性、准确性、时效性、风险性和版权归属；如您发现该文章侵犯了您的权益，可联系我们第一时间进行删除；
5. 本站为非盈利性的个人网站，所有内容不会用来进行牟利，也不会利用任何形式的广告来间接获益，纯粹是为了广大技术爱好者提供技术内容和技术思想的分享性交流网站。