【问题标题】：Medical Image Segmentation / Image Segmentation医学图像分割/图像分割
【发布时间】：2022-10-17 02:45:39
【问题描述】：
总数据集：- 100（案例级别）
训练：- 76 例（18000 片） 验证：- 19 例（4000 片） 测试：- 5 例（2000 片）
我有一个由大约组成的数据集。一万八千张图片，其中大约。 15000张图像是正常患者的图像，大约3000张患有某些疾病的图像。现在，对于这 18000 张图像，我也有它们的分割掩码。因此，15000 个分割掩码是空的，3000 个有补丁。
我是否还应该为我的模型（深度学习，即带有 resnet34 主干的 unet）提供空掩码和补丁？
【问题讨论】：
标签：
deep-learning
image-segmentation
medical-imaging
【解决方案1】：
你的问题有点太宽泛了，所以不是那么容易回答，但我会尝试。如果我正确理解您的问题，则有 15k 幅没有病变的图像和 3k 幅带有病变的图像，您将使用这些图像及其相应的掩码训练一个分割网络。掩膜显示输入图像上病变/癌症/肿瘤/畸形的位置。因此，健康/正常样本的掩码确实应该是空的。 （我假设面具只显示肿瘤而不显示其他区域，但这个假设可能不正确。）
尽管我对您的任务没有深入的了解，但我可以建议您尝试nnUNet，即specialized for biomedical image segmentation。它也能够进行 2D 和 3D 分割。
如果答案对您没有帮助，请提供更多详细信息（例如：您拥有什么类型的医疗数据、注释了哪些区域、如果可能的话分享一些图像等）。祝你好运！