基于图像处理的肺部CT多病种智能诊断系统.zip

# 基于图像处理的肺部CT多病种智能诊断系统 ## 数据集 - 输入：N 个患者的 3D CT 扫描图片，每个 3D 扫描图片包含一定数量的 2D 切片。 - 标签：包含四种病灶，标注了所有病灶的中心位置和 3D 长宽高。 - 目标：自动标注测试集中的病灶中心位置，只要该位置位于实际病灶的 3D 立方体内部，即认为标注正确。  ## 模型 模型采用了 [Mask_RCNN](https://github.com/matterport/Mask_RCNN)。 但由于我们不需要识别 mask，所以将 mask 的相关逻辑删除了，见 [修改后的 Mask_RCNN](https://github.com/Henry-Mike/Mask_RCNN)。 修改之后相当于 Faster-RCNN，但在 ROI 部分使用的是 ROI-Align，而非 ROI-Pooling。一般来说，ROI-Align 的效果更好。 [下载预训练权重](https://pan.baidu.com/s/1qy-WVJgeRqqrlhn4YRMxlw)，提取码 `fjf7`。 ## 效果 2D 识别效果：  文件 `result.csv` 为预赛最终提交结果，总排名 71/1635。 ## 改进方向 目前的模型仍然是基于对 2D 图像的检测，最终使用一种启发式的方法将得到的 2D 标注连接成为 3D 标注。 如果将 Mask-RCNN 模型改造成接受 3D 图像，预计效果会有很大提升。