DSI brain tumor task (Group10)

1.分工

---

时间 | 2021年2月23日结题

参与人员 | 李春一、李国耀、李瑞珊、王雅娟、韦婉笛、薛玮嘉、杨逸飞 （字母序）

任务A. 答辩(包括PPT和presentation以及演讲稿撰写等)

任务B. 分类任务,跑通现有代码 (有服务器同学可以尝试1预训练模型/2ResNet/3DenseNet)

任务C. 分割任务,创新 (有服务器同学可以尝试分割任务最新模型，使用源码/复现论文)

补充：

• 1.对于分类任务，我们的工作可以是：尝试了工业界比较稳定的上线业务方案，实验结果证明，对于任何分类任务都很有效（仅参考）
• 2.对于分割任务，我们的工作可以是：通过尝试改进原有模型分割，使用了XXX/提出了XXX，实验证明是很有效的（仅参考）
• 3.使用了一些tricks作为辅助：何凯明的初始化方法，增强数据集（可选）

---

任务	分工
A	李春一，薛玮嘉
B	李瑞珊，王雅娟
C	韦婉笛，杨逸飞，李国耀

2.实验结果(随时更新)

---

	Model	epoch	val_accuracy	test_accuracy
分类	VGG16	20	94.1	90
	VGG16	50	94.3	90
	VGG16(+pretrain)	15	95.4	90
	ResNet50V2	100	99.4 (?)	89
	VGG19(+aug)	30	94.6	92
		epoch	val_accuracy	test_accuracy
分割	Unet	25	82.00	80
	Unet(VGG19+ImageNet)	68	82.29	78
	Unet(ResNet152V2+ImageNet)	28	82.08	78
	Unet++(4depth)	15	68.02	71
	Unet++(4depth+ResNet50)	25	69.56	75
	Unet++(4depth+ResNet50V2)	26	73.24	77
	Unet++(5depth)	30	71.38	76
	Unet+++(5depth+vgg19)	73	81.86	78

3.代码环境

---

代码配置环境：tensorflow >= 2.3.0

我的配置环境(仅供参考)：python3.6，tensorflow(gpu)版本2.1.0，cuda10.1，cudnn8.0

---

4.鸣谢

Imperial College London, ZJU-GiveLab,keras-unet-collection