《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
- 设计了T-channel来利用T分期信息。(相当于给了不同的背景色)
- Unet上加了attention module。
- 251个病人(数据集大?)
How to solve the problem
- input:
- 将图片按照T分期顺序集合。
- Tchannel(级联到上面3个channel)
- 最终input:
- 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。
- Dice Loss(普遍,面积)+ASSD(距离)
How to prove that problem has been solved如何设计实验
- Dataset介绍(人数,采集地点,仪器,GT,尺寸分辨率)
- 10折交叉验证
- 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
- 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:
- 解释怎么好了,Tchannel贡献更大
- 不足:GPU导致batchsize=6,epoch=600(都可以更大)