LUNA2022——肺结节良恶性和类型分析挑战赛

今天将分享肺结节良恶性和类型分类完整实现版本，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、LUNA2022介绍

LUNA2022挑战将评估胸部 CT 图像上的肺结节分类模型。具体来说，将在大小为 128 x 128 x 64 体素（x、y 和 z 方向）的感兴趣体积 (VOI) 上进行评估，以进行恶性肿瘤风险估计和结节类型分类。

二、LUNA2022任务

1、针对二元恶性肿瘤标签（0 或 1）的恶性肿瘤风险。

2、结节类型分类（非实性、部分实性和实性的 0、1、2）。

三、LUNA2022数据集

从公开的LIDC-IDRI数据集中提供肺结节周围的VOI。根据LUNA16标准选择了 1186个由4位放射科医师中至少3位注释的结节。测试集包括10个结节，用来测试算法性能。其余1176个结节作为开发数据集提供。该数据集仅包含 3D 结节patch（x、y 和 z 方向上的大小为128x128x64），结节始终位于3Dpatch的中心。提供来自丹麦肺癌筛查试验的肺结节周围的VOI，用于对提交的算法进行外部验证。该数据集总共包含177个结节，这将在第 2 阶段作为隐藏测试集提供。

使用ROC曲线 (AUC) 下的面积评估恶性肿瘤风险估计的性能。准确评估结节类型分类的性能。

数据下载链接：

https://zenodo.org/record/6559584#.YvH1KCdBxD8

四、LUNA2022技术路线

1、数据标签生成，通过加载LIDC-IDRI_1176.npy文件，解析Texture和Malignancy属性，分别得到医生标注的信息，通过求取多个医生标注的中值得到最终的标签。对于结节类型分类任务，医生标注有5类：非实性/磨玻璃，非实性/混合，部分实性/混合，实性/混合，实性，需要将非实性/磨玻璃类别设置成标签0，非实性/混合，部分实性/混合，实性/混合类别设置成标签1，实性类别设置成标签2。对于良恶性分类任务，医生标注有5类：极不可能，不太可能，不确定，中度可疑，高度可疑，需要将极不可能，不太可能类别设置成标签0，不确定，中度可疑，高度可疑类别设置成标签1。

2、由于结节在图像中心位置，且目标比较小，所以根据LIDC-IDRI_1176.npy文件中结节的直径大小，在128x128x64大小上获取肺结节ROI区域图像，这样就可以进一步减少背景干扰，因此得到肺结节的ROI区域。然后统计全部肺结节ROI区域的大小，平均大小是33x33x18。

3、结节类型分类

3.1、标签0有62，标签1有183，标签2有931。对肺结节ROI图像进行缩放固定到48x48x48大小，并采用窗宽窗位（-1000，400）对图像进行截断，再采用均值为0，方差为1进行归一化，将数据按照80%和20%比例分成训练集和验证集，其中训练集对标签0和1分别进行10倍和4倍数据增强。

3.2、搭建ResNet3d网络，使用AdamW优化器，学习率是0.001，batchsize是16，epoch是200，损失函数采用交叉熵。

3.3、训练结果和验证结果