Сегментация и классификация патологий лёгких на КТ: сравнение UNet 3+, nnU‑Net, EfficientNet и Swin Transformer
TL;DR. Я сравнила четыре архитектуры на КТ грудной клетки: UNet 3+ и nnU‑Net v2 для сегментации узлов (LIDC‑IDRI), EfficientNet‑B0 и Swin‑Tiny для классификации срезов.
В классификации Swin‑Tiny точнее (accuracy 0,924 против 0,832, один запуск). В сегментации честного сравнения не получилось: на подвыборке из 113 обучающих узлов ни одна из самописных сетей не обобщилась (Dice на тесте 0,01–0,02), и я разбираю, почему.Рак лёгкого остаётся одной из главных причин смерти от онкологии, а на ранних стадиях проявляется слабо.
habr.com