Vector-Generating Network

A convolutional neural network with the ultimate goal of generating eigenvectors

构想中的一种卷积神经网络

主要目标

用于肺结节分类和恶性预测,实现自动定位肺结节的位置,对每个结节进行恶性程度预测,并最终给出该病人患病的概率

主要思路

1. 使用基于U-Net的NetA进行结节的定位和分割
   
2. 使用NetB进行结节的恶性程度分类
   
3. 使用特征向量描述一个完整的病例
   
4. 使用NetC给出诊断结论
   

数据集

1. Luna16:文件形式:mhd/raw/csv,含有结节定位信息,(0/1)标签,标记为1的结节有直径信息
   
2. DSB2017:文件形式:dcm/csv
   
3. TCIA LIDC-IDRI:文件形式:dcm/xml/csv/xlsx
   

参考项目

1. DSB2017第一名:grt123
   
2. Unet细胞分割
   对应的CSDN博客:全卷机神经网络图像分割(U-net)-keras实现
   
3. Unet图像分割
   
4. Luna16数据预处理
   对应的CSDN博客这篇经验说不定会帮你夺冠医疗AI大赛哦
   
5. DSB2017数据集预处理(肺部图像形态学分割)Candidate Generation and LUNA16 preprocessing
   注意这篇文章虽然写的是处理Luna16,但是实际上他是处理DSB2017.事实上,这种分割方法并不是针对某个数据集的,但是这两个数据集的读取方式是不同的
   
6. 关于内存溢出问题的解决方案TensorFlow和Keras解决大数据量内存溢出问题
   

工具

1. Raw/mhd图像查看,三维检视:Fiji
   
2. dcm/DICOM标准文件查看:RadiAnt
   
3. 绘图工具:Draw.io
   

参考文献

见./Reference/

工程说明

1. ./log/:存放开发日志,记录一些想法和debug日志等信息.
   
2. ./Project/:具体工程的父目录.
   
3. ./Reference/:存放参考文献,主要是论文和论文的翻译版.
   
4. ./Tools/:存放Protable的工具.
   

工程结构约定:

1. 按照上述目录结构存放
   
2. 如果是Demo,项目内部附带所需数据,如果数据大于100MB,在存放数据的文件夹下放置placeholder,并在项目的README中给出下载地址.
   
3. 每个工程独立存放在一个文件夹中,并放置在Project文件夹下,每个工程自带自己的README文件.
   
4. 如果有参考,论文下载到Reference文件夹下,博客和项目的地址除了在工程内部的README注明外,还要在整个项目的README中注明.
   

build

1. Anaconda3-5.1.0 with python 3.6.4
   
2. CUDA_9.0.176_win10
   
3. cudnn-9.0-windows10-x64-v7.zip
   
4. tensorflow 1.7.0
   
5. keras 2.1.6