基于2.5D改进EfficientDet的计算机断层扫描气道分割开源工具：对ATM22挑战赛的贡献
图像与视频处理
2022-10-05 v2 计算机视觉与模式识别
摘要
计算机断层扫描图像中的气道分割可用于分析肺部疾病，然而手动分割劳动密集且依赖专家知识。本手稿详述了我们对MICCAI 2022气道树建模挑战赛的贡献，该竞赛为全自动化气道分割方法的比赛。我们采用了先前开发的基于改进EfficientDet（MEDSeg）的深度学习架构，利用所提供的标注从零训练以进行二值气道分割。我们的方法在内部验证中达到90.72 Dice，外部验证中95.52 Dice，最终测试阶段93.49 Dice，且并未专门针对气道分割设计或调优。用于我们模型预测及已训练权重的开源代码与pip包见https://github.com/MICLab-Unicamp/medseg。
引用
@article{arxiv.2209.15094,
title = {Open-source tool for Airway Segmentation in Computed Tomography using 2.5D Modified EfficientDet: Contribution to the ATM22 Challenge},
author = {Diedre Carmo and Leticia Rittner and Roberto Lotufo},
journal= {arXiv preprint arXiv:2209.15094},
year = {2022}
}
备注
Open source code, graphical user interface, and a pip package for predictions with our model and trained weights are in https://github.com/MICLab-Unicamp/medseg