CLCI-Net

CLCI-Net: Cross-Level Fusion and Context Inference Networks for Lesion Segmentation of Chronic Stroke (MICCAI 2019)

作者

Hao Yang, Weijian Huang, Kehan Qi, Cheng Li, Xinfeng Liu, Meiyun Wang, Hairong Zheng, and Shanshan Wang

项目简介

1. 功能

采用CLCI-Net实现对ATLAS数据集的图像分割

2. 性能

Dice	Precision	Recall	VOE	RVD
0.581	0.649	0.581	54.6	25.4

3. 使用数据集

数据集：ATLAS数据集[1]，包含229个case，划分了训练集、测试集和验证集。数据采用这里所示的方法，对训练集、测试集合验证集分别进行预处理，得到3个h5文件。

[1] Liew, Sook-Lei, et al. "A large, open source dataset of stroke anatomical brain images and manual lesion segmentations." Scientific data 5 (2018): 180011.

运行环境与依赖

类别	名称	版本
os	ubuntu	16.04
深度学习框架	Keras	2.2.0
深度学习框架	tensorflow	1.10.0

输入与输出

名称	说明
输入	单通道灰度图，值域为0-1，大小为224x176。
输出	标签。0表示背景，1表示病变

运行方式

在.py文件中执行如下的操作以使用CLCI-Net模型：

from CLCI_Net import CLCI_Net, dice_coef, dice_foef_loss
model = CLCI_Net()
model.summary()
model.compile(optimizer=Adam(lr=1e-4), loss=dice_coef_loss, metrics=[dice_coef])

其余步骤与X-Net中main.py中的操作一致。