以 ResNet34 作为 U-Net 主干的 2ST-UNet 用于胸片气胸分割
图像与视频处理
2020-09-09 v1 计算机视觉与模式识别
摘要
气胸（pneumothorax），亦称塌陷肺，是指肺与胸壁之间胸膜腔中出现空气。它可小可大：小气胸无需治疗；大气胸若未及时识别与处理则可致死。专家使用胸片可轻易发现并识别该病。尽管此法几乎无误，但耗时且需专业放射科医师。近来，计算机视觉（Computer Vision）在气胸检测与分割中提供了极大辅助。本文提出一种两阶段训练系统（2ST-UNet）来分割气胸图像。该系统基于 U-Net 构建，以在 ImageNet 数据集上预训练的残差网络（ResNet-34）为主干。我们先以较低分辨率训练网络，再加载训练所得模型权重以更高分辨率重训网络。此外，我们采用了随机权重平均（SWA）、数据增强与测试时增强（TTA）等不同技术。我们使用由 2019 SIIM-ACR 气胸分割挑战赛提供的胸片数据集，含 12,047 张训练图像与 3,205 张测试图像。实验表明，两阶段训练带来更优且更快的网络收敛。我们的方法取得了 0.8356 的平均 Dice 相似系数（DSC），在 1,475 个模型中排名 124，位列前 9%。
引用
@article{arxiv.2009.02805,
title = {The 2ST-UNet for Pneumothorax Segmentation in Chest X-Rays using ResNet34 as a Backbone for U-Net},
author = {Ayat Abedalla and Malak Abdullah and Mahmoud Al-Ayyoub and Elhadj Benkhelifa},
journal= {arXiv preprint arXiv:2009.02805},
year = {2020}
}