[3] 캐글 RSNA 2022 Cervical Spine Fracture Detection - DATA, TASK and PURPOSE

2.    WHAT?

주제는 경추 골절 진단으로, 방사선사(radiologists)가 진단한 경추 골절과 얼마나 많이 매칭되는지 최대한 높은 정확도로 분류하는 것이 목표

 

2-1. DATA

크게 1. Csv 파일과 2. CT 이미지 데이터로 나뉨, *일부* 3. 분할된 이미지 및 4. 바운딩 박스도 주어짐

1. Csv 파일

2.Ct 이미지 데이터

- dcm 포맷, 횡단면

3.주어진 segmentation 데이터(mask)

- nii 포맷, 시상면, 전체의 4.3%

4.    Bouding boxes 데이터

– 전체의 11.6%

=> 객체 탐지에 쓰이는거라 안써도되나?

 

- 3. segmeataion된 mask는 nii file로, NifTI 포맷을 따르는 형식이고, 시상면(sagittal plane)이기 때문에 횡단면(axial plane)으로 찍히고 dcm포맷인 ct scan과 다름 => segmentation 이미지 데이터의 방향(orientation)을 ct사진 데이터처럼 정렬(align)해주는 작업 필요

-      주어진 segmentation 데이터(mask)는 ALL SLICE 모든 슬라이스를 포함하고 있었다.

-      하지만 주어진 mask는 단 87개로, 전체의 4.3%밖에 되지 않음

-      따라서 이 데이터로 나머지 데이터를 훈련시키기 위해서 unet과 같이 segmentation mask를 예측하는 모델을 사용할 것이다.

 

1.CSV파일

TRAIN Data shape : (2019,9)

 

TRAIN bounding box : (7217,6)

TEST (3,3)

Sample submission (3,2)

골절이 있는 환자와 없는 환자의 CT사진으로 구성, 거의 1:1로 균형된 데이터

Single-bone injuries VS Multiple bone injuries

골절이 있는 환자 중 64.83%는 한 가지 경추에 골절이 발생한 경우이며, 나머지는 최소 2가지 부위에 골절이 발생하였고, 3.64%는 4가지 경추에 골절이 있는 경우

2.    CT 이미지 데이터 (횡단면)

 

Number of TOTAL Slices: 268

Number of TOTAL Slices: 676

 

* 메타 데이터 (meta_train) <-이게 뭐지

• 의미
• Rows -> CT scan/image 높이
• Columns -> CT scan/image 너비
• SOPInstanceUID -> 식별자 containing the StudyInstanceUID + slice number
• ContentDate -> 날짜
• SliceThickness -> 이미지 슬라이스의 두께 (TO DO: maybe pair with Spacing Between Slices – 붙어 있는 두 가지 슬라이스 사이의 거리를 계산해야함)
• InstanceNumber -> slice number
• ImagePositionPatient -> the x, y, and z coordinates of the upper left hand corner (center of the first voxel transmitted) of the image, in mm
• ImageOrientationPatient -> the direction cosines of the first row and the first column with respect to the patien

=> ct scan 이미지 파일 개수 (dcm files) 711,601개

dcm파일의 분포!

 

=> 78%의 obs가 200-400개 사이(slice)

=> 6%만이 200개 슬라이스 이하

=>  600개 이상인것도 50개가 존재함

 

* 이미지 사이즈는 99.6%가 512 x 512로 동일하였고, 0.3%만 resize하면 됨

3. segmentation 이미지 데이터(시상면) = MASK 마스크 이미지

- 시상면 이미지인 mask는 척추의 위치를 알 수 있게 해준다. 골절이 위 사진의 위치 내에서만 발생할 수 있다는 사실을 알려주기 때문에 중요한 데이터.

- 또한 이미지가 C1~C7 중 어느 경추인지 알려준다. 각 슬라이스의 unique value가 c1~c7중 어느 경추인지 알려줌

(ex. 120 : 1은 c1경추, 2는 c2 경추, 0은 배경 => 1번과 2번 경추사진!)

---

2-2. TASK

-      7가지 경추 중 어느 부위의 골절인지 그 확률을 예측하는 대회이기 때문에, 객체 탐지 문제가 아님

- 크게 두 가지로 계획, 최종 목표인 분류 작업의 정확도를 높이기 위해서 segmentation을 분류 이전에 진행