YNet 다운로드 - YNet 소스코드 다운로드

YNet

기타 소스코드

다운로드

Y-Net: 유방 생검 영상 진단을 위한 관절 분할 및 분류

이 저장소에는 MICCAI'18에 출판이 승인된 YNet 논문의 소스 코드가 포함되어 있습니다.

Y-Net의 샘플 출력

Y-Net은 진단에 중요하지 않은 올바르게 분류된 조직을 식별했습니다. 예를 들어 간질은 중요한 조직으로 확인되었지만 혈액은 그렇지 않았습니다. 간질은 유방암 진단에 중요한 조직 라벨로[1] 간질에 대한 정보를 제거하면 진단 분류 정확도가 약 4% 감소합니다. 자세한 내용은 논문을 참조하세요.

[1] Beck, Andrew H., 등. "유방암 형태에 대한 체계적인 분석을 통해 생존과 관련된 간질 특징을 밝혀낼 수 있습니다." 과학 중개 의학 3.108(2011): 108ra113-108ra113.

일부 분할 결과(왼쪽: RGB WSI, 중간: Ground Truth, 오른쪽: Y-Net 예측)

이 저장소의 구조

YNet은 두 단계로 훈련됩니다:

stage1 이 디렉토리에는 Y-Net의 1단계 학습을 위한 소스 코드가 포함되어 있습니다. 1단계는 분할 분기에 지나지 않습니다.
stage2 이 디렉토리에는 Y-Net에서 2단계 학습을 위한 소스 코드가 포함되어 있습니다. 2단계에서는 분할과 분류를 공동으로 학습합니다.
seg_eval 이 디렉토리에는 분할 마스크를 생성하기 위한 소스 코드가 포함되어 있습니다.

전제조건

이 코드를 실행하려면 다음 라이브러리가 필요합니다.

OpenCV - 버전 3.3.0에서 코드를 테스트했습니다. 다른 버전을 사용하고 계시다면 그에 맞춰 소스코드를 변경해주세요.
PyTorch - v0.2.0_4로 테스트했습니다. 다른 버전을 사용하고 계시다면 그에 맞춰 소스코드를 변경해주세요.
Python - Python 3.6.2(Anaconda 사용자 정의 64비트)를 사용하여 코드를 테스트했습니다. 다른 Python 버전을 사용하는 경우 필요에 따라 코드를 자유롭게 변경하세요.

아나콘다를 사용하는 것이 좋습니다. 우리는 Ubuntu 16.04에서 코드를 테스트했습니다.

소환

Y-Net이 귀하의 연구에 도움이 된다면, 저희 논문을 인용해주세요.

 @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}
}