全流程3D医疗分割开发工具MedicalSeg重磅开源

图1 各类医学影像

其中，3D影像能够更直观辅助医生提升诊断效率。但医学影像的读片工作对专业知识要求高，这样繁重且重复性较高的阅片工作，仅能由专业的影像科医生完成。另一方面，医学影像在医学检查中愈发常见，对阅片专家的需求也在增加。随着深度学习技术的发展，我们看到了使用AI技术辅助医生快速分析阅片、减轻阅片工作负担的可能性。

为了更好地使用前沿AI技术辅助医生快速阅片分析、帮助患者更快地获得影像检查结果，百度飞桨PaddleSeg产研团队联合百度智慧医疗部影像团队、广州第一人民医院南沙医院放射科及韩霖、郎督等飞桨PPSIG的成员们基于PaddleSeg开发了全流程 3D 医学图像分割工具MedicalSeg。

MedicalSeg3D究竟具备哪些优点这里为大家一一展开。

全流程覆盖极简开发

为了更方便地简化流程，首先，通过一键数据预处理，确认数据的正确性，随后开始训练和评估，过程中随时可以查看预测结果的3D可视化，获得满足精度的模型之后，我们对其进行导出和部署，从而获取更快的推理速度为应用服务。

完整的流程图如图所示:

产业实用、极致推理优化

MedicalSeg使用 CuPy 在数据预处理中添加 GPU 加速。与CPU 上的预处理数据相比，加速使我们在数据预处理中使用的时间减少了大约 40%。下面显示了加速前后，我们花在处理 COVID-19 CT scans 数据集预处理上的时间。

数据引用：

图1来源（从左到右）

• 彩超数据：百度大脑和中山大学中山眼科中心联合举办的iChallenge比赛

• X-ray影像:2017RSNA骨龄预测比赛

• CT影像:4C 2021 医学影像挑战赛

• MRI影像：开源数据集MRISpineSeg spine dataset

图2来源（从左到右）

• 肺部数据：开源数据集COVID-19 CT scans lung dataset

• 椎骨数据：开源数据集MRISpineSeg spine dataset

图3来源（从左到右）

• 肺部数据：开源数据集COVID-19 CT scans lung dataset

• 椎骨数据：开源数据集MRISpineSeg spine dataset

文章知识点与官方知识档案匹配，可进一步学习相关知识Java技能树首页概览92160 人正在系统学习中

来源：飞桨PaddlePaddle