参加脑部MRI（磁共振）图像分割竞赛Top5代码

脑瘤图像分割竞赛结束了，九千人参加我只是拿了第五名，top5,不是很满意，准确率只有89.7%，离第一名还有三个百分点，但是目前确实没办法上去了。参赛20天从最开始0%不断提升，60%，70%，80%，88%，89%，每个进度都是一道坎，毕竟是从0开始第一次参加竞赛，经验肯定不足，能进入top5已经很厉害了。用了十个神经网络模型，5个损失函数，用尽了各种优化方法，最后还是止步第五名。江郎才尽了。虽然没有拿冠军，但是通过参加竞赛学会了各种深度学习技术和代码，更好的领会了神经网络设计和调叁方法以及代码设计。准确率大规模提升是通过使用最新的网络获得，你认为最好的网络未必得到最高分，调优提升很有限。准确率提升还有运气成分，因为我得到的最高分后来用同样的代码重新训练也没有得到这么高的分数，不知道怎么回事。

脑部MRI（磁共振）图像分割Top5代码说明

赛题分析：

图像分割肯定是用Unet进行分割，用keras很方便，不懂数据预处理和数据增强，只能不停的改进网络提升准确率

策略：

用unet实现不做任何数据处理得到的分数不高，60%

只能使用改进的unet++

论文https://arxiv.org/pdf/1807.10165.pdf

于是尝试使用了unet,U_Net,wU_Net,Nest_Net，SegNet，但是分数不是很高。70%

接着尝试使用带主干的改进网络，移植代码改造成Unet_Backbone,Xnet_Backbone,Nestnet_Backbone

有很大惊喜，提升到80%。

最后直接引入代码使用框架Nestnet, FPN,Linknet,PSPNet，使用预训练的主干神经网络有vgg16，vgg19，resnet18，resnet34，resnet50，resnet101，resnet152，resnext50，resnext101，inceptionv3，inceptionresnetv2，densenet121，densenet169，densenet201。测试出现85%以上。

分别组合Nestnet+inceptionresnetv2提升最高达到89.77%。

上采样反卷积transpose比upsampling分数高

resnet因为下载权重没成功，所以不知道准确率如何。但是只是测试了几种组合，组合更好应该有更好的准确率。

我认为应该是最好的网络了，如果配合冠军代码预处理和数据增强，准确率会有大规模提升。

学习率：

adam 默认 10e-4

loss：

bce+dice

输入：

256,256,3

网络：

Nestnet+inceptionresnetv2

数据增强：

无