今天將分享通用超聲圖像挑戰(zhàn)：多器官分類和分割完整實(shí)現(xiàn)版本，為了方便大家學(xué)習(xí)理解整個(gè)流程，將整個(gè)流程步驟進(jìn)行了整理，并給出詳細(xì)的步驟結(jié)果。感興趣的朋友趕緊動(dòng)手試一試吧。

一、UUSIC2025介紹

超聲成像由于其非侵入性、實(shí)時(shí)性和成本效益，在生物醫(yī)學(xué)診斷中起著至關(guān)重要的作用。它廣泛用于各種器官的檢查和腫瘤的檢測(cè)。然而，超聲圖像的準(zhǔn)確分類和分割，尤其是對(duì)于不同的器官和腫瘤，仍然是一項(xiàng)具有挑戰(zhàn)性的任務(wù)。現(xiàn)有方法通常難以在不同的解剖區(qū)域和病理學(xué)中實(shí)現(xiàn)高性能。從技術(shù)角度來(lái)看，開(kāi)發(fā)能夠處理超聲圖像分析中多項(xiàng)任務(wù)的通用模型是非?？扇〉?。這將需要先進(jìn)的機(jī)器學(xué)習(xí)和圖像處理技術(shù)來(lái)提取有意義的特征并做出準(zhǔn)確的預(yù)測(cè)。這樣的模型可能會(huì)克服當(dāng)前方法的局限性，這些方法通常是為特定器官或任務(wù)設(shè)計(jì)的，并且缺乏泛化能力。這項(xiàng)挑戰(zhàn)的預(yù)期影響是雙重的。從技術(shù)上講，它為測(cè)試一般模型范式提供了一個(gè)很好的平臺(tái)，促使研究界開(kāi)發(fā)新的算法和模型，以實(shí)現(xiàn)更好的超聲圖像分析。這可能會(huì)導(dǎo)致新的特征提取方法和優(yōu)化策略等發(fā)現(xiàn)，這對(duì)于驗(yàn)證模型至關(guān)重要。從生物醫(yī)學(xué)的角度來(lái)看，挑戰(zhàn)結(jié)果將推動(dòng)模型走向泛化。精確的通用模型可以幫助臨床醫(yī)生進(jìn)行診斷，實(shí)現(xiàn)更早和更有效的治療，減少侵入性手術(shù)，并強(qiáng)調(diào)醫(yī)學(xué)模型進(jìn)化的必要性。該挑戰(zhàn)賽的重點(diǎn)是使用跨多個(gè)中心和設(shè)備收集的多樣化、真實(shí)世界的超聲數(shù)據(jù)來(lái)評(píng)估多器官分類和分割的算法。目標(biāo)是提高 AI 模型在超聲圖像分析中的泛化性、穩(wěn)健性和公平性。

二、UUSIC2025任務(wù)

開(kāi)發(fā)一個(gè)能夠跨多個(gè)器官和疾病執(zhí)行多任務(wù)處理的單一模型。靶器官包括乳房、甲狀腺、肝臟、腎臟、胎頭、心臟和闌尾，它們對(duì)應(yīng)于收集的用于重新分配的公開(kāi)數(shù)據(jù)集。具體說(shuō)來(lái)：乳房：BUSI、BUSIS、BUS-BRA 數(shù)據(jù)集（任務(wù)：結(jié)節(jié)惡性腫瘤分類 + 結(jié)節(jié)分割）;甲狀腺：DDTI 數(shù)據(jù)集（任務(wù)：結(jié)節(jié)分割）;Liver：Fatty-Liver 數(shù)據(jù)集（任務(wù)：脂肪肝分類）;腎臟：KidneyUS 數(shù)據(jù)集（任務(wù)：腎臟輪廓描繪）;胎頭：胎兒 HC 數(shù)據(jù)集（任務(wù)：胎頭輪廓分割）;Cardiac：CAMUS 數(shù)據(jù)集（任務(wù)：心臟輪廓分割）;附錄：附錄數(shù)據(jù)集 （任務(wù)：闌尾炎分類）

三、UUSIC2025數(shù)據(jù)集

數(shù)據(jù)集由兩個(gè)集合組成：一個(gè)公共數(shù)據(jù)集包和一個(gè)由 3 家合作醫(yī)院提供的數(shù)據(jù)集包。公共數(shù)據(jù)集捆綁包包括 7 個(gè)器官，共 6740 張超聲圖像，包含分割和分類任務(wù)。來(lái)自合作醫(yī)院的數(shù)據(jù)集包還包括 7 個(gè)器官，有 5262 張圖像，同樣包括分割和分類任務(wù)。

數(shù)據(jù)下載：

https://www./competitions/9106/

四、技術(shù)路線

任務(wù)一、多器官病變二元分割

1、對(duì)圖像進(jìn)行縮放固定到512x512大小，圖像采用均值為0，方差為1進(jìn)行歸一化，將數(shù)據(jù)按照80%和20%比例分成訓(xùn)練集和驗(yàn)證集。

2、搭建VNet2d網(wǎng)絡(luò)，使用AdamW優(yōu)化器，學(xué)習(xí)率是0.001，batchsize是64，epoch是300，損失函數(shù)采用二值化dice+交叉熵。

3、訓(xùn)練結(jié)果和驗(yàn)證結(jié)果

4、驗(yàn)證集分割結(jié)果

5、測(cè)試集分割結(jié)果

任務(wù)二、多器官病變二元分類

1、對(duì)圖像進(jìn)行縮放固定到512x512大小，圖像采用均值為0，方差為1進(jìn)行歸一化，將數(shù)據(jù)按照80%和20%比例分成訓(xùn)練集和驗(yàn)證集。

2、搭建ResNet2d網(wǎng)絡(luò)，使用AdamW優(yōu)化器，學(xué)習(xí)率是0.001，batchsize是64，epoch是300，損失函數(shù)采用交叉熵。

3、訓(xùn)練結(jié)果和驗(yàn)證結(jié)果

4、驗(yàn)證集分類結(jié)果

5、測(cè)試集分類結(jié)果

點(diǎn)擊閱讀原文可以訪問(wèn)參考項(xiàng)目，如果大家覺(jué)得這個(gè)項(xiàng)目還不錯(cuò)，希望大家給個(gè)Star并Fork，可以讓更多的人學(xué)習(xí)。如果有任何問(wèn)題，隨時(shí)給我留言我會(huì)及時(shí)回復(fù)的。