正文

请到「今天看啥」查看全文

在公众号 datadw 里 回复 CT图像 即可获取。

背景

肺癌是最常见的癌症之一，尤其在北美地区。其是男性最常见的癌症形式，其次为女性。全球每年有160万人死于肺癌，仅在美国每年就有225000肺癌新增病例。此外，肺癌也是低存活率的癌症之一，平均5年的存活率低于20%。然而，早期发现的平均概率至少是肺癌存活率的两倍。

The Data Science Bowl (DSB) 是Kaggle举办的年度机器学习竞赛。2017年的竞赛是该赛事的第三届比赛，该次比赛共有2000名选手，其奖金池也高达100万美元。该比赛的目标为构建一个自动化系统，其能预测患者在下一年的CT扫描诊断中是否会被诊断为肺癌。该比赛的数据集只提供了每位患者的一次CT扫描图像，并删除了患者的相关信息。

工具

解决方案完全使用Python高级程序设计语言，并使用了相关的开源科学计算库：

• keras

• theano

• numpy

• scipy

• scikit-learn

• pandas

数据集

本次竞赛的数据集为1600幅高分辨率的胸部CT扫描图像，其切片厚度均小于3mm。扫描图像的大小为512×512×400体素，但在世界坐标系的单位中，其大小约为30cm×30cm×40cm。感兴趣区域通常在1cm ³ 左右。在训练集中，每幅CT扫描图像对应一个二值标签。

额外数据集

额外的数据集为LUNA16竞赛的数据集，其数据集来源于LIDC数据集，在该数据集的结节注释中包含如下特征：

• diameter

• lobulation

• spiculation

• malignancy

• calcification

• sphericity

在该数据集中放射科医师标记了1200个结节，重点关注结节的直径、分叶、毛刺和恶性程度。

方法

主要步骤为：

1. 归一化CT图像；

2. 找寻感兴趣区域；

3. 预测结节属性；

4. 综合结节属性预测，预测患者诊断。

最终的解决方案结合了17层的3D卷积神经网络模型，并由两个集合（ensemble）组成。每个集合（ensemble）中的模型采用不同的体系结构、训练计划、目标、子数据集和激活函数。

数据集归一化

首先，将每幅CT图像的大小调整为每一像素表示1mm ³ 的体积，从而保证同一模型能够应用于不同切片厚度的CT图像。然后，将切片的HU值的范围-1000 ~ +400转换为-0 ~ +1，其中HU值为-1000将映射为0，+400将映射为1。最后，对CT图像进行粗略肺部分割，从而消除与肺部不相交区域。

请到「今天看啥」查看全文