今天将分享16种腹部器官（肝脏，脾脏，左肾，右肾，胃，胆囊，食管，胰脏，十二指肠，结肠，小肠，肾上腺，直肠，膀胱，左侧和右侧股骨头）分割完整实现版本，为了方便大家学习理解整个流程，将整个流程步骤进行了整理，并给出详细的步骤结果。感兴趣的朋友赶紧动手试一试吧。
一、WORD2021介绍
整个腹部器官分割对腹部病变的诊断、放疗和随访都很重要。然而，肿瘤学家通过三维体积描绘所有腹部器官既耗时又昂贵。基于深度学习的医学图像分割已经显示出减少人工描绘工作量的潜力，但它仍然需要一个大规模的精细注释数据集进行训练，并且缺乏覆盖整个腹部区域的具有准确和详细的标记的大规模数据集用于整个腹部器官分割。WORD2021建立了一个新的大规模全腹部器官数据集，用于算法研究和临床应用开发。
二、WORD2021任务
16种不同腹部器官（肝脏，脾脏，左肾，右肾，胃，胆囊，食管，胰脏，十二指肠，结肠，小肠，肾上腺，直肠，膀胱，左侧和右侧股骨头）分割。
三、WORD2021数据集
该数据集包括 150 例全面覆盖腹部区域的CT扫描数据，并为16种不同腹部器官提供了详细标注。官方将这些数据分为 100 张用于训练、20 张用于验证和 30 张用于测试。标注包括肝脏，脾脏，左肾，右肾，胃，胆囊，食管，胰脏，十二指肠，结肠，小肠，肾上腺，直肠，膀胱，左侧和右侧股骨头。
四、技术路线
1、首先采用固定阈值提取人体区域，然后根据人体ROI从原始图像和mask提取ROI区域。
2、分析ROI图像，得到图像平均大小是380x242x202，因此将图像缩放到固定大小256x224x192。图像预处理，对图像进行截断（-800，800）再采用zscore方式进行归一化处理，再将数据分成训练集和验证集，对训练集进行5倍数据增强。
3、搭建VNet3d网络，使用AdamW优化器，学习率是0.001，batchsize是1，epoch是600，损失函数采用多类的dice和交叉熵。
4、训练结果和验证结果
5、验证集分割结果
左图是金标准结果，右图是预测结果。
6、测试集分割结果
左图是金标准结果，右图是预测结果。
如果大家觉得这个项目还不错，希望大家给个Star并Fork，可以让更多的人学习。如果有任何问题，随时给我留言我会及时回复的。
