U-Net для сегментации легких с высокой точностью

Обзор модели

Эта модель представляет собой архитектуру U-Net, разработанную для задач бинарной сегментации, обычно используемых в обработке изображений, например, в медицинской визуализации или сегментации спутниковых снимков. Модель U-Net имеет структуру энкодер-декодера с сокращающим путём (энкодером) для извлечения признаков и расширяющимся путём (декодером) для повышения разрешения и реконструкции изображения. Она особенно эффективна для классификации на уровне пикселей, что делает её идеальной для таких задач, как сегментация, где требуются как входные изображения, так и соответствующие им маски сегментации.

• Размер входа: (512, 512, 1) (изображения в градациях серого)

• Размер выхода: (512, 512, 1) (бинарная маска сегментации)

• Функция потерь: Бинарная кросс-энтропия (BCE)

• Метрики: Точность, коэффициент Дайса и индекс Жаккара (IoU)

• Оптимизатор: Оптимизатор Adam

Метрики качества

• Точность: 99.13%

• Коэффициент Дайса: 0.9768

• Индекс Жаккара: 0.9546

Ссылки

iamtapendu/lung-segmentation-model на Kaggle