# 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。
![Alt text](./image/1.png)
## 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:
![Alt text](./image/2.png)
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。