YNetダウンロード - YNetソースコードのダウンロード

YNet

その他のソースコード

ダウンロード

Y-Net: 乳房生検画像の診断のための関節のセグメンテーションと分類

このリポジトリには、MICCAI'18 での出版が承認された論文 YNet のソースコードが含まれています。

Y-Net の出力例

Y-Net は、診断にとって重要ではない組織を正しく分類して特定しました。たとえば、間質は重要な組織として特定されましたが、血液はそうではありませんでした。間質は乳がんを診断するための重要な組織標識であり [1]、間質に関する情報を削除すると診断分類の精度が約 4% 低下しました。詳細については、論文を参照してください。

[1] ベック、アンドリュー H.、他。「乳がんの形態を体系的に分析すると、生存に関連する間質の特徴が明らかになります。」科学トランスレーショナル医学 3.108 (2011): 108ra113-108ra113。

一部のセグメンテーション結果 (左: RGB WSI、中央: グラウンドトゥルース、右: Y-Net による予測)

このリポジトリの構造

YNet は 2 つの段階でトレーニングされます。

stage1 このディレクトリには、Y-Net でステージ 1 をトレーニングするためのソースコードが含まれています。ステージ 1 はセグメンテーション部門にすぎません。
stage2 このディレクトリには、Y-Net でステージ 2 をトレーニングするためのソースコードが含まれています。ステージ 2 では、セグメンテーションと分類を共同で学習します。
seg_eval このディレクトリには、セグメンテーションマスクを生成するためのソースコードが含まれています。

前提条件

このコードを実行するには、次のライブラリが必要です。

OpenCV - コードをバージョン 3.3.0 でテストしました。他のバージョンを使用している場合は、ソースコードを適宜変更してください。
PyTorch - v0.2.0_4 でテストしました。他のバージョンを使用している場合は、ソースコードを適宜変更してください。
Python - Python 3.6.2 (Anaconda カスタム 64 ビット) を使用してコードをテストしました。他の Python バージョンを使用している場合は、コードに必要な変更を自由に加えてください。

Anaconda の使用をお勧めします。 Ubuntu 16.04 でコードをテストしました。

引用

Y-Net があなたの研究に役立つ場合は、私たちの論文を引用してください。

 @inproceedings{mehta2018ynet,
  title={{Y-Net: Joint Segmentation and Classification for Diagnosis of Breast Biopsy Images}},
  author={Sachin Mehta and Ezgi Mercan and Jamen Bartlett and Donald Weaver and Joann  Elmore and Linda Shapiro},
  booktitle={International Conference on Medical image computing and computer-assisted intervention},
  year={2018},
  organization={Springer}
}

@article{mehta2018espnet,
  title={ESPNet: Efficient Spatial Pyramid of Dilated Convolutions for Semantic Segmentation},
  author={Sachin Mehta, Mohammad Rastegari, Anat Caspi, Linda Shapiro, and Hannaneh Hajishirzi},
  journal={European Conference in Computer Vision (ECCV)},
  year={2018}
}