《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）