זיהוי אוטומטי של הלבלב בסריקות CT תלת מימדיות

המפתחים שלנו השתמשו בקוד Matlab על מערכת רב-שלבית של פילוח לבלב מסריקות CT. זה מאפשר לאמן מודל על מערך נתונים גדול של סריקות עם קבצי תוויות מתאימים שנרכשו ממומחה אנושי, לשמור רכיבי חיזוי שהופקו, להעריך את הדיוק הצפוי שלהם וליישם את המודל המאומן לפילוח תמונה. אלגוריתם האימון יושם לפי הסכמה המתוארת במאמר “Deep convolutional networks for pancreas segmentation in CT imaging” paper by H. Roth, A. Farag, L. Lu, E. Turkbey and .R. Summers הניתוח כולל שלב עיבוד מקדים בו מבוצע פילוח SLIC תלת מימדי על מנת למצוא רכיבי תמונה/פיקסל עם מאפיינים הומוגניים אשר יסווגו מאוחר יותר יחד. בשלב הבא, forest classification model מאומן לחלץ רק את אותו אזור קטן של הלבלב בהסתברות גבוהה. ולבסוף, רשת עצבית קונבולוציונית עמוקה אומנה לייצר הסתברות מעודכנת להיות לבלב עבור כל פיקסל על. לא כל פרמטרי המערכת צוינו במפורש במסמך, ולכן הקוד נבנה בצורה כזו שניתן לשנות אותם בקלות ולבדוק מספר שילובים. הקוד עבר אופטימיזציה כך שיוכל לעבוד ביעילות על קבצי תמונה גדולים ולאפשר עדכון מהיר של ערכת האימון: רק הפרמטרים המחוברים ישירות לקבצים המעודכנים יחושבו מחדש. הדמיות ורמת דמיון שונים יושמו כדי לאשר את נכונות היישום בשלבי עיבוד נתונים שונים. פונקציונליות:
⁠- עיבוד תמונה
⁠- פילוח תמונה
⁠- זיהוי דפוסים
,