3-D Deep Learning : Lung Tumor Segmentation

version 1.1 (2.02 MB) by Kei Otsuka
How to create and train a V-Net neural network and perform semantic segmentation of lung tumors from 3-D medical images

1.2K Downloads

Updated 26 Nov 2019

View License

Deep Learning is powerful approach to segment complex medical image.
This example shows how to create, train and evaluate a V-Net network to perform 3-D lung tumor segmentation from 3-D medical images. The steps to train the network include:
・Download and preprocess the training data.
・Create a randomPatchExtractionDatastore that feeds training data to the network.
・Define the layers of the V-Net network.
・Specify training options.
・Train the network using the trainNetwork function.

After training the V-Net network, the example performs semantic segmentation. The example evaluates the predicted segmentation by a visual comparison to the ground truth segmentation and by measuring the Dice similarity coefficient between the predicted and ground truth segmentation.

[Japanese] 医用画像処理において、Deep Learningは非常に強力なアプローチの一つです。
本デモでは、3-D医用画像(ボリュームデータ)からの肺腫瘍のセマンティックセグメンテーション例をご紹介します。
利用するネットワークはV-Netで、V-Netの作成、学習と評価までの流れでご紹介します。
V-Netを学習させるまでの手順は以下の通りとなります。
・学習用データのダウンロードと前処理
・randomPatchExtractionDatastoreの作成
・V-Netの定義
・学習オプションの指定
・trainNetwork関数によるV-Netの学習

V-Netを学習した後、予め分割しておいたテストデータに対してセマンティックセグメンテーションを行い、結果の評価を行います。結果の可視化と、Dice類似係数による定量評価を行います。

[Keyward] 画像処理・セグメンテーション・3次元・3-D・ディープラーニング・DeepLearning・デモ・IPCVデモ
・ニューラルネットワーク・医用画像

Cite As

Kei Otsuka (2022). 3-D Deep Learning : Lung Tumor Segmentation (https://www.mathworks.com/matlabcentral/fileexchange/71521-3-d-deep-learning-lung-tumor-segmentation), MATLAB Central File Exchange. Retrieved .

MATLAB Release Compatibility
Created with R2019b
Compatible with R2019b
Platform Compatibility
Windows macOS Linux

Community Treasure Hunt

Find the treasures in MATLAB Central and discover how the community can help you!

Start Hunting!