KiTS2023——肾脏和肾脏肿瘤分割挑战赛

今天将分享肾脏和肾脏肿瘤分割完整实现版本，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、KiTS2023介绍

2023 年肾脏和肾脏肿瘤分割挑战赛（缩写为 KiTS23）是一项竞赛，参赛团队竞相开发用于肾脏、肾肿瘤和肾囊肿自动语义分割的最佳系统。这是 KiTS 挑战赛继2019 年和2021 年之后的第三次迭代。

每年有超过 430,000 人被诊断出肾癌，导致大约 180,000 人死亡。每年发现的肾脏肿瘤数量甚至更多，在大多数情况下，目前无法通过影像学确定给定肿瘤是恶性还是良性 。即使在被认为是恶性的肿瘤中，许多肿瘤看起来生长缓慢且本质上是惰性的，这导致“主动监测”成为一种越来越流行的小肾脏肿块管理策略. 也就是说，转移性疾病的进展是一个非常严重的问题，并且对能够客观可靠地表征肾脏肿瘤图像以进行风险分层和预测治疗结果的系统的需求尚未得到满足。

近五年来，KiTS 一直在维护和扩展一个公开的、多机构队列，其中包含数百个显示肾脏肿瘤的分段 CT 扫描，以及关于每个病例的全面匿名临床信息。该数据集不仅作为 3D 语义分割方法的高质量基准，而且作为肾脏肿瘤放射组学转化研究的通用资源。

这是 KiTS 第三次邀请更大的研究团体参加竞赛，以开发最佳的肾脏肿瘤自动语义分割系统。今年的比赛具有扩展的训练集（489 例）、全新的从未使用过的测试集（110 例）以及肾源性造影期病例的增加，而之前所有病例都处于晚期动脉。我们很高兴看到现代方法如何在这个更多样化、更具挑战性——也更广泛适用的环境中发挥作用。

二、KiTS2023任务

肾脏、肾肿瘤和肾囊肿自动语义分割。

三、KiTS2023数据集

KiTS23 队列包括 2010 年至 2022 年间在M Health Fairview医疗中心因疑似肾脏恶性肿瘤接受冷冻消融、部分肾切除术或根治性肾切除术的患者。对这些病例进行了回顾性审查，以确定所有接受过造影剂增强术前 CT 扫描（包括所有肾脏）的患者。每个病例最近的对比增强术前扫描（在皮质髓质或肾源性阶段）针对以下语义类别的每个实例进行分割。肾脏：包括所有实质和肺门内的非脂肪组织。肿瘤：在肾脏上发现的肿块，术前怀疑是恶性的。囊肿：放射学（或病理学，如果有的话）确定为囊肿的肾脏肿块。

该数据集由599 个案例组成，其中 489 个分配给训练集，110 个分配给测试集。训练集中的许多这些在以前的挑战中使用过：KiTS19，KiTS21，KNIGHT ，另一方面，KiTS23 测试集中的 110 个案例尚未用于任何挑战。

将注释团队的成员分为：专家：主治放射科医师、泌尿科肿瘤科医师和泌尿科肿瘤学研究员;实习生：住院医师、医科学生和计划学习医学的本科生。所有学员都接受了专家数小时的培训

大体上，注释过程如下：首先学员在每个感兴趣区域周围放置 3D 边界框，然后，这些相同的受训人员在每个感兴趣区域周围放置 2D 轮廓。如有任何疑问，请咨询专家。轮廓注释经过后处理以生成分割（如图 2所示），分割由受训人员审查，并根据需要进行小幅修改，该分割任务训练了基线 nnU-Net 模型，专家根据需要进一步审查标签和交叉验证预测之间一致性较低的案例。

评价指标：Sørensen-Dice值和Surface Dice值。

四、技术路线

肾脏粗分割

1、首先采用人体分割方法提取人体区域，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104x377x511，因此将图像缩放到固定大小240x256x256。图像预处理，对步骤1的ROI图像进行（-200，400）窗宽窗位截断，然后采用均值为0，方差为1的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2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150，损失函数采用二值化的dice和交叉熵。

4、训练结果和验证结果

肾脏、肾肿瘤和肾囊肿分割

1、首先根据mask得到肾脏ROI范围，然后根据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46x129x294，因此将图像缩放到固定大小240x256x256。图像预处理，对步骤1的ROI图像进行（-200，400）窗宽窗位截断，然后采用均值为0，方差为1的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2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300，损失函数采用多类别的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。