ISLES'2024——缺血性中风病变分割挑战赛

今天将分享缺血性中风病变分割挑战赛完整实现版本，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、ISLES'2024介绍

关于缺血性中风患者治疗的临床决策取决于对核心（不可逆受损组织）和半影（可挽救组织）体积的准确估计。估计灌注量的临床标准方法是反卷积分析，包括 i) 通过灌注 CT (CTP) 反卷积估计灌注图和 ii) 对灌注图进行阈值化。然而，不同的反卷积算法、其技术实现以及软件包中使用的可变阈值会显着影响估计的病变。此外，由于半暗组织的不可逆损伤，核心组织往往会随着时间的推移而扩张，梗塞的生长速度因患者而异，并取决于血栓位置和侧支循环等多种因素。了解核心的生长速度对于根据转运时间评估将患者转移到综合性卒中中心的相关性在临床上至关重要。此外，由于并非每次机械血栓切除术再灌注治疗都能实现完全再灌注，因此预测梗塞生长可能会为介入放射科医生提供有关额外再灌注尝试的潜在益处的见解。因此，预测急性成像数据的时间核心演变是临床决策的关键。

二、ISLES'2024任务

从干预前的急性中风数据中分割最终的中风梗塞区域。

三、ISLES'2024数据集

ISLES'2024数据集包含各种成像和临床数据，在提交的解决方案中可以使用这些数据。不过，并非所有数据模式都可以在测试/推理时使用。临床表格数据：人口统计学、患者病史和临床结果。在测试时，只有 BASELINE 表格数据可用。 图像模式：非造影 CT (NCCT)，CT 血管造影 (CTA)，4D 灌注 CT (CTP)，灌注图：Tmax、CBF、CBV、MTT，治疗后 MRI（DWI + ADC - 测试时不可用）金标准结果：二元梗塞掩模来自 MRI。病变掩模已与 NCCT 联合注册。

图像以原始图像和预处理图像的形式发布。可以选择使用哪种图像类型。所有图像（原始图像和预处理图像）都经过了四种匿名化处理。

1. 原始数据：所有 CT 图像都经过处理（MRI 图像去除了头骨）。它们在原始空间中发布。CTP：所有扫描都已临时重新采样为 1 帧/秒并与第一个时间点配准。使用临床软件通过反卷积获得灌注图。

2. 预处理数据：CTA、CTP 和灌注图已与 NCCT 线性配准。体积已进行线性插值。所有扫描都具有相同的体素分辨率，与 NCCT 匹配。

数据下载：

https://isles-24.grand-challenge.org/dataset/

四、技术路线

方案一、综合多模态CT和MRI分割中风梗塞区域

输入数据包含NCCT，CTA，CTP（四个灌注图像：cbf，cbv，mtt，tmax），adc，dwi，并将这些模态按照通道进行拼接成8通道输入图像。

1、将图像缩放到固定大320x320x160，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。

2、搭建VNet3d网络，使用AdamW优化器，学习率是0.001，batchsize是1，epoch是300，损失函数采用二值化的dice和ce。

3、训练结果和验证结果

4、验证集分割结果

左图是金标准结果，右图是网络预测结果。

方案二、综合多模态CT分割中风梗塞区域

输入数据包含NCCT，CTA，CTP（四个灌注图像：cbf，cbv，mtt，tmax），并将这些模态按照通道进行拼成6通道输入图像。

1、将图像缩放到固定大320x320x160，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。

2、搭建VNet3d网络，使用AdamW优化器，学习率是0.001，batchsize是1，epoch是300，损失函数采用二值化的dice和ce。

3、训练结果和验证结果

4、验证集分割结果

左图是金标准结果，右图是网络预测结果。

点击阅读原文可以访问参考项目，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。