Swin-PSAxialNet: uma técnica eficiente de segmentação de múltiplos órgãos

Resumo

O presente protocolo descreve um método eficiente de segmentação de múltiplos órgãos chamado Swin-PSAxialNet, que alcançou excelente precisão em comparação com os métodos de segmentação anteriores. As principais etapas deste procedimento incluem coleta de conjunto de dados, configuração do ambiente, pré-processamento de dados, treinamento e comparação de modelos e experimentos de ablação.

Resumo

A segmentação abdominal de múltiplos órgãos é um dos tópicos mais importantes no campo da análise de imagens médicas e desempenha um papel importante no suporte a fluxos de trabalho clínicos, como diagnóstico de doenças e planejamento de tratamento. Neste estudo, é proposto um método eficiente de segmentação de múltiplos órgãos denominado Swin-PSAxialNet baseado na arquitetura nnU-Net. Ele foi projetado especificamente para a segmentação precisa de 11 órgãos abdominais em imagens de TC. A rede proposta fez as seguintes melhorias em comparação com a nnU-Net. Em primeiro lugar, foram introduzidos módulos Space-to-depth (SPD) e blocos de extração de recursos de atenção axial compartilhada por parâmetros (PSAA), aprimorando a capacidade de extração de recursos de imagem 3D. Em segundo lugar, uma abordagem de fusão de imagens em várias escalas foi empregada para capturar informações detalhadas e características espaciais, melhorando a capacidade de extrair características sutis e características de borda. Por fim, um método de compartilhamento de parâmetros foi introduzido para reduzir o custo computacional e a velocidade de treinamento do modelo. A rede proposta atinge um coeficiente de Dice médio de 0,93342 para a tarefa de segmentação envolvendo 11 órgãos. Os resultados experimentais indicam a notável superioridade do Swin-PSAxialNet sobre os métodos de segmentação convencionais anteriores. O método apresenta excelente precisão e baixos custos computacionais na segmentação dos principais órgãos abdominais.

Introdução

A intervenção clínica contemporânea, incluindo o diagnóstico de doenças, a formulação de planos de tratamento e o rastreamento dos resultados do tratamento, depende da segmentação precisa das imagens médicas¹. No entanto, as complexas relações estruturais entre os órgãos abdominais²tornam uma tarefa desafiadora alcançar a segmentação precisa de vários órgãos abdominais³. Nas últimas décadas, os desenvolvimentos florescentes em imagens médicas e visão computacional apresentaram novas oportunidades e desafios no campo da segmentação abdominal de múltiplos órgãos. A tecnologia de Ressonância Magnética (RM)⁴ e Tomografia Computadorizada (TC)⁵ nos permite adquirir imagens abdominais de alta resolução. A segmentação precisa de múltiplos órgãos a partir de imagens de TC tem valor clínico significativo para a avaliação e tratamento de órgãos vitais, como fígado, rins, baço, pâncreas, etc.6,7,8,9,10 No entanto, a anotação manual dessas estruturas anatômicas, especialmente aquelas que requerem intervenção de radiologistas ou oncologistas de radiação, é demorada e suscetível a influências subjetivas¹¹. Portanto, há uma necessidade urgente de desenvolver métodos automatizados e precisos para segmentação abdominal de múltiplos órgãos.

Pesquisas anteriores sobre segmentação de imagens dependiam predominantemente de redes neurais convolucionais (CNNs), que melhoram a eficiência da segmentação empilhando camadas e introduzindo o ResNet¹². Em 2020, a equipe de pesquisa do Google apresentou o modelo Vision Transformer (VIT)¹³, marcando um exemplo pioneiro de incorporação da arquitetura Transformer ao domínio visual tradicional para uma variedade de tarefas visuais¹⁴. Embora as operações convolucionais possam contemplar apenas informações de recursos locais, o mecanismo de atenção em Transformers permite a consideração abrangente de informações de recursos globais.

Considerando a superioridade das arquiteturas baseadas em Transformers sobre as redes convolucionais tradicionais¹⁵, várias equipes de pesquisa realizaram uma extensa exploração na otimização da sinergia entre os pontos fortes dos Transformers e as redes convolucionais 16,17,18,19. Chen et al. introduziram o TransUNet para tarefas de segmentação de imagens médicas¹⁶, que aproveita os Transformers para extrair recursos globais de imagens. Devido ao alto custo do treinamento de rede e à falha em utilizar o conceito de hierarquia de extração de recursos, as vantagens do Transformer não foram totalmente realizadas.

Para resolver esses problemas, muitos pesquisadores começaram a experimentar a incorporação de Transformers como a espinha dorsal para treinar redes de segmentação. Liu et ^al.17 introduziram o Transformador Swin, que empregava um método de construção hierárquica para extração de características em camadas. O conceito de Windows Multi-Head Self-Attention (W-MSA) foi proposto, reduzindo significativamente o custo computacional, particularmente na presença de mapas de recursos de nível superficial maiores. Embora essa abordagem reduzisse os requisitos computacionais, ela também isolava a transmissão de informações entre diferentes janelas. Para resolver esse problema, os autores introduziram ainda o conceito de Shifted Windows Multi-Head Self-Attention (SW-MSA), permitindo a propagação de informações entre janelas adjacentes. Com base nessa metodologia, Cao et al. formularam o Swin-UNet¹⁸, substituindo as convoluções 2D em U-Net por módulos Swin e incorporando W-MSA e SW-MSA nos processos de codificação e decodificação, alcançando resultados de segmentação louváveis.

Por outro lado, Zhou et al. destacaram que a vantagem da operação conv não pode ser ignorada ao processar imagens de alta resolução¹⁹. Seu nnFormer proposto emprega um método de computação de auto-atenção baseado em blocos de imagem tridimensionais locais, constituindo um modelo Transformer caracterizado por uma estrutura em forma de cruz. A utilização da atenção baseada em blocos tridimensionais locais reduziu significativamente a carga de treinamento na rede.

Dados os problemas com o estudo acima, uma estrutura hierárquica híbrida eficiente para segmentação de imagens médicas 3D, denominada Swin-PSAxialNet, é proposta. Este método incorpora um bloco de redução de amostragem, bloco Space-to-depth (SPD)²⁰ , capaz de extrair informações globais²¹. Além disso, adiciona um módulo de atenção axial compartilhada por parâmetros (PSAA), que reduz a contagem de parâmetros de aprendizado de quadrático para linear e terá um bom efeito na precisão do treinamento da rede e na complexidade dos modelos de treinamento²².

Rede Swin-PSAxialNet
A arquitetura geral da rede adota a estrutura em forma de U do nnU-Net²³, consistindo em estruturas de codificador e decodificador. Essas estruturas se envolvem na extração de características locais e na concatenação de características de imagens de grande e pequena escala, conforme ilustrado na Figura 1.

Figura 1: Diagrama esquemático Swin-PSAxialNet da arquitetura de rede. Clique aqui para ver uma versão maior desta figura.

Na estrutura do codificador, o bloco Conv tradicional é combinado com o bloco SPD²⁰ para formar um volume de downsampling. A primeira camada do codificador incorpora Patch Embedding, um módulo que particiona os dados 3D em patches 3D, (P₁, P₂, P₃) representa patches não sobrepostos neste contexto, significa o comprimento da sequência de patches 3D. Após a camada de incorporação, a próxima etapa envolve uma unidade de redução de amostragem convolucional não sobreposta, compreendendo um bloco convolucional e um bloco SPD. Nessa configuração, o bloco convolucional tem um passo definido como 1 e o bloco SPD é empregado para dimensionamento de imagem, levando a uma redução de quatro vezes na resolução e um aumento de duas vezes nos canais.

Na estrutura do decodificador, cada bloco de upsample após a camada de Feição de Gargalo consiste em uma combinação de um bloco de upsampling e um bloco PSAA. A resolução do mapa de recursos é aumentada duas vezes e a contagem de canais é reduzida pela metade entre cada par de estágios do decodificador. Para restaurar informações espaciais e melhorar a representação de recursos, a fusão de recursos entre imagens de grande e pequena escala é realizada entre os blocos de aumento de amostragem. Por fim, os resultados do upsampling são alimentados na camada Head para restaurar o tamanho da imagem original, com um tamanho de saída de (H × W × D × C, C = 3).

Arquitetura de bloco SPD
Nos métodos tradicionais, a seção de redução da amostragem emprega uma única passada com um tamanho de passo de 2. Isso envolve o agrupamento convolucional em posições locais na imagem, limitando o campo receptivo e confinando o modelo à extração de recursos de pequenos patches de imagem. Este método utiliza o bloco SPD, que divide finamente a imagem original em três dimensões. A imagem 3D original é segmentada uniformemente ao longo dos eixos x, y e z, resultando em quatro corpos de subvolume. (Figura 2) Posteriormente, os quatro volumes são concatenados por meio da operação "cat", e a imagem resultante sofre uma convolução 1 × 1 × 1 para obter a imagem com amostragem^{reduzida 20}.

Figura 2: Diagrama de blocos SPD. Clique aqui para ver uma versão maior desta figura.

Arquitetura de blocos PSAA
Em contraste com as redes tradicionais da CNN, o bloco PSAA proposto é mais eficaz na condução do foco global de informações e mais eficiente no aprendizado e treinamento da rede. Isso permite a captura de imagens e recursos espaciais mais ricos. O bloco PSAA inclui aprendizado de atenção axial com base no compartilhamento de parâmetros em três dimensões: Altura, Largura e Profundidade. Em comparação com o mecanismo de atenção convencional que realiza o aprendizado de atenção para cada pixel da imagem, esse método conduz o aprendizado de atenção de forma independente para cada uma das três dimensões, reduzindo a complexidade da autoatenção de quadrática para linear. Além disso, um mecanismo de compartilhamento de parâmetros de consultas de chaves que podem ser aprendidas é empregado, permitindo que a rede execute operações de mecanismo de atenção em paralelo nas três dimensões, resultando em uma representação de recursos mais rápida, superior e eficaz.

Protocolo

O presente protocolo foi aprovado pelo Comitê de Ética da Universidade de Nantong. Envolve a avaliação inteligente e a pesquisa de dados multimodais não invasivos ou minimamente invasivos adquiridos, incluindo imagens médicas humanas, movimentos de membros e imagens vasculares, utilizando tecnologia de inteligência artificial. A Figura 3 mostra o fluxograma geral da segmentação de múltiplos órgãos. Todos os links necessários são fornecidos na Tabela de Materiais.

Figura 3: Fluxograma geral da segmentação de múltiplos órgãos. Clique aqui para ver uma versão maior desta figura.

1. Recolha de conjuntos de dados

1. Faça o download do conjunto de dados AMOS2022²⁴ (consulte a Tabela de Materiais).
2. Selecione 160 imagens como o conjunto de dados de treinamento e 40 imagens como o conjunto de dados de teste.
3. Execute terminalmente mkdir ~/PaddleSeg/contrib/MedicalSeg/data/raw_data.
4. Abra o caminho de raw_data.
5. Coloque o conjunto de dados no diretório raw_data e garanta a correspondência correta com os nomes dos arquivos nos diretórios "imagesTr" e "labelsTr".
6. Crie dataset.json arquivo.
7. Adicione informações do conjunto de dados, como numTraining, numTest e nome de rótulos , ao arquivo "dataset.json".
   NOTA: O conjunto de dados para este estudo consiste em 200 conjuntos de dados de TC de alta qualidade selecionados do conjunto de dados oficial de 500 CT da AMOS2022 para fins de treinamento e teste. O conjunto de dados abrange 11 órgãos, incluindo baço, rim direito, rim esquerdo, vesícula biliar, esôfago, fígado, estômago, aorta, veia cava inferior, pâncreas e bexiga.

2. Configuração do ambiente

1. Instale o ambiente Paddlepaddle (consulte a Tabela de Materiais) e o CUDA versão²⁵ correspondente.
   NOTA: Recomenda-se utilizar o Paddlepaddle versão 2.5.0 e CUDA versão 11.7.
2. Git clone o repositório PaddleSeg²⁵.
3. Execute terminalmente cd ~/PaddleSeg/contrib/MedicalSeg/.
4. Execute pip install -r requirements.txt.
5. Execute pip install medpy.

3. Pré-processamento de dados

1. Modifique o arquivo "yml", incluindo parâmetros como data_root, batch_size, modelo, train_dataset, val_dataset, otimizador, lr_scheduler e perda.
2. Especifique os parâmetros necessários para a execução, incluindo "-config, --log_iters, --precision, --nnunet, --save_dir, --save_interval, etc.
   NOTA: O "raw_data" original é transformado em três tipos de arquivos de dados: "Cropped", "Decathlon" e "Preprocessed", atendendo a diferentes requisitos de treinamento e avaliação para melhorar o desempenho do modelo e a eficácia do treinamento.

4. Treinamento e comparação de modelos

NOTA: Como uma linha de base amplamente utilizada no campo da segmentação de imagens, o nnU-Net²³ serve como um modelo de linha de base no estudo. O processo de comparação de modelos específicos é o seguinte.

1. Trem nnU-Net
   1. Configure com um tamanho de lote de 2 e 80.000 iterações, registre a cada 20 iterações e utilize a precisão fp16.
   2. Defina o save_dir como a pasta "saída" dentro do diretório de trabalho, com um intervalo de salvamento definido em 1.000 iterações.
   3. Adicione o parâmetro --use_vdl para visualização do parâmetro VisualDL.
   4. Execute train.py.
   5. Crie quatro arquivos yml , especifique as dobras de 1 a 4 e treine o modelo com validação cruzada quíntupla.
2. Trem Swin-UNet
   1. Manter a consistência com as condições experimentais previamente estabelecidas.
   2. Remova o parâmetro --nnunet e use --swinunet.
   3. Execute o arquivo train.py.
   4. Treine dobras de 1 a 4 individualmente e, em seguida, sujeito ao processamento do conjunto.
3. Trem TransUNet
   1. Siga os procedimentos descritos na etapa 4.1.
   2. Abra o arquivo yml .
   3. Modifique type: nnunet para type: transunet.
   4. Modifique o parâmetro --nnunet para --transunet.
   5. Execute o arquivo train.py.
   6. Treine as dobras 1-4 individualmente e processe o processamento do conjunto.
4. Trem UNETR
   1. Mantenha variáveis experimentais consistentes.
   2. Repita os procedimentos descritos anteriormente, como Swin-UNet e TransUNet (etapa 4.2 e etapa 4.3).
   3. Execute train.py.
   4. Treine as dobras 1-4 individualmente e processe o processamento do conjunto.
5. Formador de Trem
   1. Modifique os parâmetros como Swin-UNet e TransUNet.
   2. Execute uma única dobra train.py.
   3. Execute o processamento de conjunto.

5. Experiência de ablação

1. Bloco PSAA para toda a rede
   1. Mantenha as variáveis consistentes com a etapa 4.1.
   2. Conjunto volume_shape = (64.192.192) e Axial_attention = Verdadeiro.
   3. Execute uma única dobra train.py.
   4. Processe o processamento do conjunto em cinco dobras.
2. Bloco SPD para toda a rede
   1. Mantenha as variáveis consistentes com a etapa 4.1.
   2. Defina SPD_enable = Verdadeiro e Axial_attention = Falso.
   3. Execute uma única dobra train.py.
   4. Processe o processamento do conjunto em cinco dobras.
3. Bloco PSAA para aumento da amostragem
   NOTA: Não use o bloco SPD para downsampling.
   1. Use o bloco PSAA para upsampling.
   2. Mantenha as variáveis consistentes com a etapa 4.1.
   3. Defina Axial_attention = False na parte de redução da resolução e SPD_enable = False.
   4. Execute uma única dobra train.py.
   5. Processe o processamento do conjunto de cinco dobras.
4. Bloco PSAA para aumento da amostragem
   NOTA: Use o bloco SPD para downsampling.
   1. Use o bloco SPD para redução da amostragem e o bloco PSAA para upsampling.
   2. Mantenha as variáveis consistentes com a etapa 4.1.
   3. Defina Axial_attention = False na parte de redução da resolução e SPD_enable = True.
   4. Execute uma única dobra train.py.
   5. Processe o processamento do conjunto de cinco dobras.
   6. Defina o número de iterações como 2.00.000 devido aos resultados superiores.

Resultados

Este protocolo emprega duas métricas para avaliar o modelo: Dice Similarity Score (DSC) e 95% Hausdorff Distance (HD95). O DSC mede a sobreposição entre as previsões de segmentação de voxel e a verdade fundamental, enquanto o 95% HD avalia a sobreposição entre os limites de previsão de segmentação de voxel e a verdade fundamental, filtrando 5% dos valores discrepantes. A definição de DSC²⁶ é a seguinte:

(1)

Onde T e P representam os valores de verdade fundamental e os valores previstos para todos os voxels, respectivamente. A definição de 95% HD²⁶ é a seguinte:

(2)

Onde d ^T,P, é a distância do percentil 95 do HD₉₅ máximo entre a verdade fundamental e os voxels previstos, e d ^T,P, representa a distância do percentil 95 do HD₉₅ máximo entre os voxels previstos e a verdade fundamental.

O Swin-PSAxialNet é comparado com vários algoritmos de segmentação de múltiplos órgãos convencionais na Tabela 1. Os resultados demonstram melhor desempenho de segmentação para órgãos abdominais no algoritmo proposto. A precisão dos dados do método de segmentação supera o valor médio dos dados de outros métodos em 2-3 pontos percentuais e até supera o nnFormer em 1 ponto percentual. O Swin-PSAxialNet também exibe alta precisão na segmentação de limites, com um coeficiente HD95 médio de 5,63, o mais baixo entre todos os algoritmos comparados.

Métodos		Lkn	Spl	Liv	Panela	Aro	Bla	Sto	Gbd	Pdv	Eso	Rkn	Avg
													DSC	HD95
nnU-Net		96.3	96.8	97.21	85.2	95.22	86.57	91.47	84.7	91.79	82.5	95.44	91.2	7.13
Swin-Unet		96.03	96.68	97.22	85.74	95.3	87.82	91.77	84.64	91.67	83.26	96.14	91.48	9.68
TransUNet		96.42	96.74	97.05	85.09	94.86	85.2	91.81	83.33	91.52	82.22	96.12	90.94	13.77
UNETR		95.94	96.48	96.85	84.14	94.62	85.01	90.18	81.16	90.79	80.34	95.15	90.06	12.92
nnAntigo		96.59	97.22	97.33	86.79	95.31	89.74	92.82	84.88	92.43	84.24	96.32	92.15	6.59
Swin-PSAxialNet		96.85	97.67	97.64	88.39	95.97	92.03	94.4	87.78	93.15	86.24	96.59	93.34	5.63

Tabela 1: Comparação dos algoritmos de segmentação convencionais. As abreviaturas representam os seguintes órgãos: Lkn para rim esquerdo, Spl para baço, Liv para fígado, Pan para pâncreas, Aro para aorta, Bla para bexiga, Sto para estômago, Gbd para vesícula biliar, Pos para póscava, Eso para esôfago, Rkn para rim direito e DSC para o coeficiente de Dice médio, HD95 para a distância média de Hausdorff de 95%.

Além disso, a introdução de um mecanismo de compartilhamento de parâmetros e melhorias na estrutura do transformador fornecem vantagens significativas tanto na complexidade do modelo quanto na velocidade de inferência (Tabela 2, Figura 4 e Figura 5).

Modelos	Parâmetros (M)	FLOPs (G)	Tempo (s) de inferência
nn-Unet	17.96	398.54	9.07
UNETR	89.58	39.67	12.51
nnAntigo	134.78	152.43	11.24
Swin-PSAxialNet	37.64	43.15	10.31

Tabela 2: Tabela comparativa de indicadores do modelo de rede.

Figura 4: Curva de variação de dados da rede de treinamento do modelo. (A) A rede atual. (B) nnFormer. (C) nnU-Net. (D) UNETR. Clique aqui para ver uma versão maior desta figura.

Figura 5: Comparação dos resultados do treinamento do modelo. A figura destaca os resultados da rede atual, os resultados do nnFormer, os resultados do nnU-Net e os resultados do UNETR. Clique aqui para ver uma versão maior desta figura.

Este estudo conduziu experimentos abrangentes de ablação na rede de algoritmos, usando o bloco PSAA e o bloco SPD como variáveis, e comparando o treinamento de dobra única com o treinamento quíntuplo. Os coeficientes de Dice dos resultados experimentais são apresentados na Tabela 3. Esses resultados demonstram que a utilização do bloco SPD para redução da amostragem e do bloco PSAA para aumento da amostragem melhora efetivamente o desempenho da segmentação em comparação com o nnU-Net não modificado (Figura 6).

Modelos	Bloco PSAA para toda a rede	Bloco SPD para toda a rede	Bloco PSAA apenas para upsampling	Bloco PSAA para upsampling, use SPD
Treinamento de dobra única	92.17	90.51	92.24	92.39
Treinamento quíntuplo	92.82	91.26	92.79	93.34

Tabela 3: Os resultados do experimento de ablação do Swin-PSAxialNet. Os resultados do experimento de ablação do Swin PSAxialNet são apresentados. No experimento de ablação, o uso do Bloco PSAA e do Bloco SPD foram comparados, e os resultados do treinamento do DSC são mostrados na tabela.

Figura 6: Os resultados da segmentação. Clique aqui para ver uma versão maior desta figura.

Discussão

A segmentação dos órgãos abdominais é um trabalho complicado. Em comparação com outras estruturas internas do corpo humano, como o cérebro ou o coração, a segmentação dos órgãos abdominais parece mais desafiadora devido ao baixo contraste e às grandes mudanças de forma nas imagens de TC^27,28. Swin-PSAxialNet é proposto aqui para resolver este difícil problema.

Na etapa de coleta de dados, este estudo baixou 200 imagens do site oficial AMOS2022²⁴. Na etapa de configuração do ambiente, a configuração experimental incluiu o ambiente Paddlepaddle junto com sua versão CUDA correspondente. Durante a etapa de pré-processamento dos dados, o corte aleatório e a inversão aleatória foram aplicados para aumentar a robustez dos dados. Nas etapas de treinamento e comparação do modelo, com base no modelo de linha de base nnU-Net, o experimento adicionou o Bloco SPD para downsampling e o bloco de extração de recursos PSAA para upsampling, obtendo excelentes resultados de segmentação. O Swin-PSAxialNet foi comparado com vários modelos de segmentação convencionais e demonstrou resultados promissores no conjunto de dados públicos AMOS2022. Obteve maior acurácia de segmentação do que os outros métodos de segmentação citados neste estudo16,17,18,19. Na seção de experimentos de ablação, o uso do bloco PSAA e do bloco SPD foi variado para encontrar a rede de segmentação ideal. Os resultados do experimento de ablação indicaram que o uso do módulo PSAA apenas para upsampling atinge um ponto percentual maior do que usá-lo para toda a rede.

As inovações deste estudo são as seguintes: Em primeiro lugar, o módulo SPD é incorporado à rede para constituir a unidade de redução da amostragem ao lado do bloco Conv, aumentando assim as capacidades de extração de recursos da rede. Em segundo lugar, a introdução do bloco de extração de recursos PSAA reduz efetivamente a complexidade da rede e melhora a precisão do treinamento. Por fim, a introdução de um mecanismo de compartilhamento de parâmetros reduz significativamente a complexidade do modelo de treinamento.

Este estudo tem limitações nos seguintes aspectos: Foi aplicado apenas ao conjunto de dados AMOS2022 e os resultados não foram validados em outros conjuntos de dados. Novamente, embora o nnU-Net tenha alcançado alto desempenho em tarefas de segmentação de órgãos abdominais após uma série de otimizações como uma estrutura de segmentação automatizada, alguns parâmetros ainda têm um certo grau de subjetividade, como taxa de aprendizado inicial, número de iterações, arquitetura de rede, etc. Pesquisas futuras explorarão métodos para o cálculo automático desses parâmetros²⁹.

O Swin-PSAxialNet alcançou excelentes resultados de segmentação em tarefas de segmentação de órgãos abdominais, demonstrando fortes capacidades de generalização e estabilidade. Em pesquisas futuras, conjuntos de dados adicionais serão empregados para investigar mais detalhadamente as capacidades de generalização do algoritmo e fazer ajustes no modelo. Além disso, a estrutura do algoritmo pode passar por uma otimização adicional para aumentar a precisão geral e a robustez da rede. O objetivo é integrar a rede com recursos multimodais para transformá-la em um modelo médico multimodal.

Materiais

Lista de materiais utilizados neste artigo

Nome	Empresa	Número de catálogo	Comentários
AMOS2022 conjunto de dados	Nenhum	Nenhum	Conjuntos de dados para treinamento e teste de rede. O link da web é: https://pan.baidu.com/s/1x2ZW5FiZtVap0er55Wk4VQ?pwd=xhpb
Chassi principal ASUS	ASUS		https://www.asusparts.eu/en/asus-13020-01910200
CUDA versão 11.7	NVIDIA		https://developer.nvidia.com/cuda-11-7-0-download-archive
NVIDIA GeForce RTX 3090	NVIDIA		https://www.nvidia.com/en-in/geforce/graphics-cards/30-series/rtx-3090-3090ti/
Ambiente de paddlepaddle	Baidu	Nenhum	Preparação ambiental para treinamento em rede. O link da web é: https://www.paddlepaddle.org.cn/
PaddleSeg	Baidu	Nenhum	A linha de base que usamos: https://github.com/PaddlePaddle/PaddleSeg