73、医学图像分割与智能制造及机器人控制技术研究

医学图像分割与智能制造及机器人控制技术研究

1. 微动脉瘤分割研究

在微动脉瘤分割领域，主要采用了一些特定的评估指标和实验方法来提升分割效果。
- 评估指标
- 主要评估指标为AUC PR，它是IDRiD挑战中的标准评估指标。通过计算精确率（Positive Predictive Value）和召回率（Sensitivity）曲线下的面积得到，曲线是通过在33个等间距实例（即[0, 0.03125, 0.0625, …, 1]）对结果进行阈值处理获得的。
- 此外，还参考了其他常见指标，如精确率、召回率和F1，尤其是F1。具体计算公式如下：
- 精确率（Precision）：$Precision = \frac{TP}{TP + FP}$
- 召回率（Recall）：$Recall = \frac{TP}{TP + FN}$
- F1值：$F1 = \frac{2 \cdot Precision \cdot Recall}{Precision + Recall}$
其中，TP是病变区域中正确预测的像素数，FP是健康区域中错误预测的像素数，FN是病变区域中错误预测的像素数。
- 实验及结果
- 实验在Pytorch框架上实现，模型在NVIDIA Titan RTX上训练，使用Adam优化器进行损失优化，学习率设置为0.001。
- 进行了三组实验：
- 直接将原始数据集切成小块，用Unet++网络训练，在测试数据集上的AUC PR值为0.4930。
- 用混合预处理模块重建原始数据集，再用Unet++网络训练，AUC PR值为0