Seg4Reg Networks for Automated Spinal Curvature Estimation

用于自动脊柱曲率估计的 Seg4Reg 网络

【论文阅读】

Abstract

提出pipeline来进行准确脊柱侧弯评估

framework：

Seg4Reg，首先经过分割网络得到mask，然后回归网络直接基于此进行cobb角预测。

+a domain adaptation module来缓解domain shift问题

输出：集成ensemble不同模型的预测结果

Intro

评估bobb两方法：

①预测landmark然后计算角：高精度但是过于依赖landmark，小误差导致大错误

②直接回归cobb：方法稳定但预测精确不够（本文证明该方法更优）

本文：MICCAI AASCE 2019 challenge

Method

seg：与PSPNet相似、reg：传统分类模型

预处理：

train/test区域不同⇒直方图均衡化使它们视觉相似(因为test不多就手工crop，并数据增强)
再seg之前额外加一个”gap~bones”可提高分割模型性能(正则化训练过程)

使用ImageNet预训练的分类网络（?用在谁上面）可以提升有限的训练样本；

train/test之间domain gap用[3]加一个判别器分支，并在反传时反转梯度（loss如下，本文 λ=1）

网络训练参数及配置：

实验结果

Local Validation

L1 loss：

表1：input类型和尺寸的消融实验

⇒segmentation mask is the best input type and (512, 256) is the best input size

表2：不同分割网络性能

⇒adding a dilation pyramid thus improves the performance of previous PSPNet

目的：选择最合适的（也是进一步说明我们选择图片尺寸、网络的合理性）

Online test

词汇积累

alleviate减轻、缓解mitigate

【实验复现】

1、mat2csvQA

import os.pathimport pandas as pd
import scipy
from scipy import io
# 'data/labels/train/sunhl-1th-02-Jan-2017-162 A AP.jpg.mat'def mat2csv(mat_file_path):features_struct = scipy.io.loadmat(mat_file_path)# print(features_struct)features = features_struct['p2']dfdata = pd.DataFrame(features)datapath1 = mat_file_path[:-4]+'.csv'dfdata.to_csv(datapath1, index=False, header=False)if __name__ == '__main__':# data_root = 'data/labels/val'# mat_files =[os.path.join(data_root,filename) for filename in os.listdir(data_root) if filename.endswith('.mat')]# print(mat_files)# for item in mat_files:# mat2csv(item)labels = pd.read_csv('data/labels/train/sunhl-1th-02-Jan-2017-162 A AP.jpg.csv', header=None).valuesprint(labels)

（1）refer：python读取mat转换为csv

（2）输出的csv文件里第一行是0,1导致69行>68点

Pandas DataFrame DataFrame.to_csv() 函数里面header=False注释，行index=False

（3）发现拷贝的数据没有landmark.csv和angle.csv，拿到的数据不对=>这一步骤不需要了

和之前yolo一样，os.py系统文件不修改

os.mkdir() 方法

2、文件 visual_dir给一个输出文件位置，data_dir也是

3、ModuleNotFoundError: No module named 'libs.black_list'里面没写啥，直接注释，新报错

A：“只能用大招了”这个文件夹标记成【源根】 Done

4、IndexError: index 131 is out of bounds for axis 0 with size 128 索引超出长度

最后找到原因是其中有个点的值>1，导致出现131；改成了0.99999试一下

5、TypeError: can't convert cuda:0 device type tensor to numpy. Use Tensor.cpu() to copy the tensor to host memory first. 原因

用排除法只能是这个loss.list出问题，加了float报错

参考train.py里面本来就有的部分，应该↓：tensor转numpy-√、detach()、

a.detach().numpy()
a.cpu().detach().numpy()

6、IndexError: too many indices for array: array is 1-dimensional, but 2 were indexed

原因、维度

解决：debug之后发现这一步test_results_list里面是空的(点进去test函数，这个参数无效)

【复现 | 论文】Seg4Reg Networks for Automated Spinal Curvature Estimation相关推荐

复现计算机论文模型,深度学习模型复现难？看看这篇句子对模型的复现论文
原标题:深度学习模型复现难?看看这篇句子对模型的复现论文在碎片化阅读充斥眼球的时代,越来越少的人会去关注每篇论文背后的探索和思考. 在这个栏目里,你会快速 get 每篇精选论文的亮点和痛点,时刻紧跟 ...
Deep Learning 26：读论文“Maxout Networks”——ICML 2013
论文Maxout Networks实际上非常简单,只是发现一种新的激活函数(叫maxout)而已,跟relu有点类似,relu使用的max(x,0)是对每个通道的特征图的每一个单元执行的与0比较最大化 ...
矩池云上复现论文 Neural Graph Collaborative Filtering 环境复现
矩池云上复现论文 Neural Graph Collaborative Filtering 环境复现 Neural Graph Collaborative Filtering (NGCF) is a ...
home credit default risk捷信消费金融违约风险模型复现(论文_毕业设计_作业)
你能预测每个申请人偿还贷款的能力吗?由于信用记录不足或不存在,许多人难以获得贷款.而且,不幸的是,这些人经常被不可靠的贷方利用,例如高利贷,校园贷. 捷信努力为没有银行账户的人群扩大金融包容性.为了确 ...
home credit default risk（捷信违约风险）机器学习模型复现(论文_毕业设计_作业)
你能预测每个申请人偿还贷款的能力吗?由于信用记录不足或不存在,许多人难以获得贷款.而且,不幸的是,这些人经常被不可靠的贷方利用,例如高利贷,校园贷. 捷信努力为没有银行账户的人群扩大金融包容性.为了确 ...
如何复现论文？什么是论文复现？
参考资料: 学习篇-顶会Paper复现方法 - 知乎如何读论文?复现代码?_复现代码是什么意思 - CSDN 我是如何复现我人生的第一篇论文的 - 知乎在我看来,论文复现应该有一个大前提和分为两个 ...
[论文阅读] 颜色迁移-Automated Colour Grading
[论文阅读] 颜色迁移-Automated Colour Grading 文章: Automated colour grading using colour distribution transfer ...
复现论文DRL代码程序
复现论文第一步(以DRL为例),download 代码 and then 创建环境. 1)git clone GitHub - foolwood/DRL: [arXiv22] Disentangled ...
Sipakmed：a new dataset feature and image based classification of cervical cells——记一次复现论文经历
Sipakmed:a new dataset feature and image based classification of normal and pathological cervical ce ...

【复现 | 论文】Seg4Reg Networks for Automated Spinal Curvature Estimation