科大訊飛神經影像疾病預測方案！

賽題背景

腦部MRI(Magnetic Resonance Imaging )全稱為腦部磁共振顯像，是反映腦部病變組織結構的顯像，它根據有磁距的原子核在磁場作用下，能產生能級間的躍遷的原理從而為臨床提供疾病的生物腦部結構信息。

現(xiàn)代醫(yī)學臨床實踐表明使用MRI可極大的提高確診精度，從而為腦癲癇病、腦腫瘤、帕金森病、阿爾茨海默綜合癥等患病初期不明顯的腦疾病提供了有效的早期檢測手段。從而延緩發(fā)病，對后續(xù)患者康復治療有著積極的意義。

比賽地址：http://challenge.xfyun.cn/topic/info?type=NADP&ch=ds22-dw-gzh01

代碼地址：https://github.com/datawhalechina/competition-baseline

賽事任務

為研究基于腦部MRI的疾病預測，本次大賽提供了腦部MRI數(shù)據集訓練樣本，記錄了老年人受試志愿者的腦部MRI資料，其中包括確診為輕度認知障礙（MCI）患者的腦部影像數(shù)據、阿爾茨海默綜合癥（AD）患者的腦部影像數(shù)據和健康人（NC）的腦部影像數(shù)據。

被試按醫(yī)學診斷分為三類：

• NC：健康
• MCI：輕度認知障礙
• AD：阿爾茨海默綜合癥

參賽者需根據提供的樣本構建模型，對阿爾茨海默綜合癥進行分析和預測。

數(shù)據介紹

此次比賽分為初賽和復賽兩個階段，兩個階段的區(qū)別是所提供樣本的量級有所不同，并且分類任務不同：

• 初賽進行AD與NC二分類
• 復賽進行MCI與NC二分類

本模型依據提交的結果文件，采用F1-score進行評價。

賽題建模

賽題是一個非常經典的圖像分類模型，在建模型中使用已有的MRI數(shù)據搭建模型即可。本文賽題需要注意以下幾點：

• 數(shù)據讀取，需要讀取NII格式
• 通道選擇，原始通道大于3
• 模型與數(shù)據擴增

細節(jié)1：讀取NII格式

import nibabel as nib
from nibabel.viewers import OrthoSlicer3D
img = nib.load(path) 

細節(jié)2：隨機通道選擇

idx = np.random.choice(range(img.shape[0]), 130)
idx.sort()
img = img[idx, :, :]
img = img.astype(np.float32)

細節(jié)3：模型網絡結構

model = models.resnet18(True)
model.conv1 = torch.nn.Conv2d(130, 64, kernel_size=(7, 7), stride=(2, 2), padding=(3, 3), bias=False)
model.avgpool = nn.AdaptiveAvgPool2d(1)
model.fc = nn.Linear(512, 2)

細節(jié)4：數(shù)據擴增方法

A.Compose([
      A.RandomRotate90(),
      A.RandomCrop(128, 128),
      A.HorizontalFlip(p=0.5),
      A.RandomContrast(p=0.5),
      A.RandomBrightnessContrast(p=0.5),
])

一鍵三連，一起學習??