YNet

Y-Net：乳房切片影像診斷的聯合分割和分類

該存儲庫包含我們論文 YNet 的源代碼，該論文已在 MICCAI'18 上接受發表。

Y-Net 的樣本輸出

Y-Net 辨識出對診斷不重要的正確分類的組織。例如，基質被認為是重要的組織，但血液不是。基質是診斷乳癌的重要組織標籤[1]，刪除基質資訊會使診斷分類準確度降低約 4%。有關更多詳細信息，請參閱論文。

[1] 貝克，安德魯 H.，等。 “對乳腺癌形態的系統分析揭示了與生存相關的基質特徵。”科學轉化醫學 3.108（2011）：108ra113-108ra113。

一些分割結果（左：RGB WSI，中：Ground Truth，右：Y-Net 的預測）

該儲存庫的結構

YNet 的訓練分兩個階段：

• stage1 此目錄包含用於訓練 Y-Net 中第 1 階段的原始程式碼。第一階段只不過是個分段分支。
• stage2 此目錄包含用於訓練 Y-Net 中第 2 階段的原始程式碼。第二階段是共同學習分割和分類。
• seg_eval 此目錄包含用於產生分段遮罩的原始碼。

先決條件

要運行此程式碼，您需要具有以下庫：

• OpenCV - 我們使用 3.3.0 版本測試了我們的程式碼。如果您使用其他版本，請相應更改原始程式碼。
• PyTorch - 我們使用 v0.2.0_4 進行測試。如果您使用其他版本，請相應更改原始程式碼。
• Python - 我們使用 Python 3.6.2（Anaconda 自訂 64 位元）測試了我們的程式碼。如果您使用其他Python版本，請隨時對程式碼進行必要的變更。

我們推薦使用 Anaconda。我們已經在 Ubuntu 16.04 上測試了我們的程式碼。

引文

如果 Y-Net 對您的研究有用，請引用我們的論文。

 @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}
}

執照

此程式碼是根據與 ESPNet 相同的授權條款發布的。