在上一篇文章中，初次提交了比赛成绩，结果不是特别理想。利用元旦三天假期和周末时间，把所有训练数据都用来肝训练和肿瘤训练。在测试数据上又进行一次推理，成绩相比第一次有一定幅度提高。
肝分割成绩排行榜，在测试集上dice分数从原来的0.942提升到0.956，与第一名只有0.01的差距，基本上肝分割的结果已经相当不错了。
肝肿瘤分割成绩排行榜，在测试集上dice分数从原来的0.465提升到0.597，与第一名有0.14的差距，看来还是有提升的空间。（插曲：第一名之前是由阿里团队的霸占着，现在变成腾讯团队的了）
我最后总结一下整个比赛心得吧，希望可以给大家带来一些帮助。整个比赛大概花了一个月时间，因之前做过类似的比赛，所以少走了不少歪路。首先是图像预处理，通过分析图像特点，需要对图像进行插值操作（其中Mask图像要采用最近邻插值方法，原始图像采用线性插值方法）。其次是准备训练图像数据，通过尝试不同图像分辨率大小（技巧：在一个case上进行不同分辨率大小尝试，看在哪个分辨率上训练结果最好），最终3D数据采用256x256x16的大小（有条件的可以将16换成24或32或48或64），而2D数据采用512x512的大小。然后在训练数据上进行训练（用VNet3d和VNet2d同时训练），如果有很多块GPU的话，可以同时直接针对肝和肿瘤的4个模型进行训练，这样节约时间。最后针对肝分割，采用最大连通域法提取出最大ROI再结合2D和3D结果得到最终肝结果；肿瘤分割也是结合2D和3D结果，为了进一步降低假阳，还需要跟肝结果求交集操作，最后得到肿瘤结果。
如果有朋友知道前几名方法技巧，欢迎给我留言，相互学习交流。
本文分享自微信公众号 - 最新医学影像技术（MedicalHealthNews）。
如有侵权，请联系 support@oschina.cn 删除。
本文参与“OSC源创计划”，欢迎正在阅读的你也加入，一起分享。