• 使用PaddleSeg搭建K折交叉验证在胸片上分割PICC管
• • 1.背景
  • • 2. 项目最终结果
  • 2. 运行方式

使用PaddleSeg搭建K折交叉验证在胸片上分割PICC管

1.背景

PICC导管

PICC置管，是经外周静脉穿刺中心静脉置管，是利用导管从外周手臂的静脉进行穿刺，导管直达靠近心脏的大血管。避免化疗药物与手臂静脉的直接接触，加上大静脉的血液回流较快，可以迅速稀释化疗药物，防止药物对血管的刺激，因此能够有效的保护上肢静脉，减少静脉炎的发生，减轻患者的疼痛，提高患者的生命质量。

PICC导管定位

大多数研究认为，导管尖端最佳位置应位于：上腔静脉的中下1 /3，或上腔静脉与右心房汇合处上方2~4 cm。也有文献报道，PICC 尖端的最佳位置是其X 线位置在第6 ~7胸椎水平。

目前X光胸片正位片，对于定位PICC导管位置，是一种常用、简单有效的方法。如果PICC导管在胸片定位上人为识别错误，会给患者后续治疗带来隐患。因此有学者提出使用深度学习来辅助医护人员在胸片对PICC导管进行定位。

以下两篇文章都是基于对PICC导管进行分割，然后再进一步定位。可见准确无误分割出PICC管道对于定位是很重要。

《Detection of peripherally inserted central catheter (PICC) in chest X-ray images: A multi-task deep learning model》

《A Deep-Learning System for Fully-Automated Peripherally Inserted Central Catheter (PICC) Tip Detection》

因此本项目通过标注118张数据，使用两种方法，第一种训练前把数据先固定分切成训练集和测试集。第二种使用5折交叉训练模型。结果融合5折交叉模型的分割结果更优。

2. 项目最终结果

图下是5折，5个模型不同的预测结果

图下经过5折交叉模型融合之后，PICC的预测结果比每一折的结果都要好

2. 运行方式

运行 main.ipynb 文件即可