2022 CCF BDCI 大赛三等奖团队 show_maker 获奖思路分享。

 

2022 CCF BDCI 第十届CCF大数据与计算智能大赛第十届CCF大数据与计算智能大赛（2022 CCF BDCI）已圆满结束，大赛官方竞赛平台DataFountain（简称DF平台）将陆续释出各赛题获奖队伍的方案思路，欢迎广大数据科学家交流讨论。

本方案为【基于昇思MindSpore AI框架的肾脏肿瘤分割】赛题的三等奖获奖方案，赛题地址：http://go.datafountain.cn/3056（戳底部“阅读原文”可直达）

获奖团队简介团队名称：show_maker团队成员：赵皓辰（队长）、余子牛、武啸泽、王淞平，成员均来自北京航空航天大学软件工程专业2021级和2022级所获奖项：三等奖摘   要U-Net可以说是医学领域最成功的分割体系结构。

在这里，我们将3D U-Net[1]网络应用到基于昇思MindSpore AI框架的肾脏肿瘤分割当中并尝试通过深监督策略来增强它模型框架采用华为于2019年8月推出的新一代全场景AI计算框架-MindSpore，并在昇腾的硬件ascend 910上进行训练和推理。

 关 键 词U-Net，segmentation，MindSpore1 Introduction全球每年肾癌新发病例超过400000例，且发病率正在逐年增加，处于局部状态的肾肿瘤可通过手术进行治疗肾肿瘤在计算机断层扫描。

（CT）成像中可被显著观察到，这使得放射科医生和外科医生能够研究肿瘤大小、形状和外观及其治疗前景之间的关系并进行科学的手术规划然而，肿瘤形态信息的人工分割是一项费力的工作，同时非常依赖医师的诊断经验，肾肿瘤和周围解剖结构的自动分割是消除这些局限性的有力工具。

传统的肿瘤分割方法，主要基于边缘和灰度分布的差异然而，由于不同个体其肿瘤CT图像在形态、纹理和灰度分布上存在较大差异，可能出现多个肿瘤及其模糊边界，这些传统方法难以实现高效准确的肿瘤分割近年来深度学习方法在图像分割领域引起了广泛关注，特别是U-Net等网络在肿瘤分割中取得了显著的效果，但这些网络在结构设计、训练模式等方面仍存在进一步提升空间。

本次挑战的目标是开发快速可靠的肾脏和肾脏肿瘤语义分割方法，形态上的异质性以及模糊的组织边界可能是需要解决的难题比赛提供接受部分或根治性肾切除术的210例肾癌患者的动脉期腹部CT扫描数据，并标记了真实的语义分割结果用于模型的训练。

2 method2.1 预处理首先将所有图像的体素间距统一成 3.22 × 1.62 × 1.62 mm, 并将所有图像统一尺寸为128 × 248 × 248；将所有图像像素点截取在 [−79, 304] 范围内。

并采用均值101和标准差76.9进行标准化处理2.2 训练  采用图1当中的3D U-Net模型和深监督策略训练模型。2.3 后处理由先验知识可得保留肾脏的两个最大连通域，肿瘤一个最大连通域。

图1：3D U-Net网络模型，p1,p2,p3,p4是不同层的输出，用于进行loss的计算3 Results3D U-Net网络提交的CKPT文件训练集精度报告：以下截图为在华为云modelarts平台上单卡Ascend运行结果：。

90张测试集在kits19官网上自行测试结果：

最终在基于昇思MindSpore AI框架的肾脏肿瘤分割排行榜上评测得分为0.7818致   谢感谢大会组委会对比赛的承办，感谢指导单位，主办单位，支持单位和承办单位的组织，感谢昇腾对算力的提供参   考。

[1] 3D U-Net: Learning Dense Volumetric Segmentation from Sparse Annotation—End—

戳“阅读原文”，速来开练~

免责声明：本站所有信息均搜集自互联网，并不代表本站观点，本站不对其真实合法性负责。如有信息侵犯了您的权益，请告知，本站将立刻处理。联系QQ：1640731186