تطبيق تجزئة الصور الطبية القائمة على التعلم العميق عبر التصوير المقطعي المحوسب المداري

قدمنا بروتوكول تجزئة الأجسام لصور التصوير المقطعي المحوسب المداري في هذه الدراسة. إنها أول تجربة في العالم. باستخدام هذا البرنامج ، يمكنك القيام بإخفاء أي جزء من التشريح بسهولة حيث تريد.

إنه يتصور ويوفر وقتك وجهدك. نأمل أن تكون هذه الدراسة حجر الزاوية لتشخيص أمراض الحجاج ، والتي يصعب أخذ خزعة منها. ابدأ بتشغيل برنامج التقنيع.

لتحميل CT المداري ، انقر فوق رمز الملف المفتوح وحدد ملف CT الهدف. لإخفاء مقلة العين والعصب البصري وعضلات العين باستخدام وحدات البكسل الفائقة ، قم بتشغيل SmartPencil بالنقر فوق معالج SmartPencil في MediLabel. بعد ذلك ، تحكم في دقة خريطة البكسل الفائق ، إذا لزم الأمر ، وانقر فوق مجموعة وحدات البكسل الفائقة لمقلة العين وعضلات العين والعصب البصري على خريطة البكسل الفائق ، حيث يتم تجميع وحدات البكسل ذات قيم كثافة الصورة المماثلة.

لتحسين الأقنعة، انقر فوق معالج SmartFill بعد إخفاء بعض وحدات البكسل الفائقة على الشرائح، ثم انقر على أيقونة التصحيح التلقائي، وتأكد من حساب تسميات القناع المصححة. بمجرد اكتمال تحسين التقنيع ، احفظ الصور المقنعة. قم بتشغيل برنامج Python النصي للمعالجة المسبقة ، وتحقق من عمليات الفحص والأقنعة التي تم اقتصاصها وحفظها في مجلد VOIs.

قم بتشغيل البرنامج النصي Python لمنشئ التسلسل لتحويل VOIs إلى مجموعة من ثلاث شرائح CT متسلسلة لاستخدامها كمدخل لتسلسل U-Net. تحقق من فحوصات التصوير المقطعي المحوسب والأقنعة المحفوظة والمحولة في مجلد الفحص ومجلد القناع والمجلدات المعالجة مسبقا على التوالي. لإنشاء نموذج التجزئة المدارية ، قم بتشغيل البرنامج النصي Python الرئيسي.

py وإعطاء أرقام أضعاف. قم بتعيين الحقبة ، وهي عدد تكرارات التدريب ، وقم بتعيين حجم الدفعة ، وهو عدد عينات التدريب في جلسة تدريب واحدة. البرنامج النصي الرئيسي.

يمكن تشغيل py بدون المحللين ، وفي هذه الحالة ، يتم تشغيله بقيم افتراضية. قم بإجراء اختبار النموذج بعد التدريب ، واحسب مقاييس التقييم مثل درجة النرد وتشابه الحجم. أخيرا ، تحقق من النتائج المحفوظة كملفات صور.

حقق تجزئة مقلة العين باستخدام تسلسل U-Net لتجزئة البنية المدارية تشابها بصريا أو درجة VS تبلغ 0.83 ودرجة نرد عالية تبلغ 0.86 لأنها تحتوي على جزء كبير من VOIs وعدم تجانس قليل بين الأشعة المقطعية. تم تحقيق درجة نرد منخفضة تبلغ 0.54 لتجزئة عضلات العين ، و 0.34 للعصب البصري ، لأنها نادرا ما تظهر في حجم التصوير المقطعي المحوسب وتوجد في عدد صغير نسبيا من شرائح التصوير المقطعي. ومع ذلك ، كانت درجات التشابه البصري لعضلات العين والعصب البصري أعلى من درجات النرد ، مما يشير إلى أن خصوصية التجزئة كانت منخفضة.

بشكل عام ، حقق تجزئة جميع الهياكل التحتية المدارية درجة نرد 0.79 ودرجة تشابه بصري 0.82. اعتمادا على التطبيق ، يمكن أن يختلف حجم VOI ومستوى قص النافذة. يمكنك تعديل التعليمات البرمجية لمنشئ التسلسل لأغراض رائعة أخرى.

أيضا ، يمكن تعديل المعلمات الفائقة للتدريب النموذجي. تم تدريب النموذج مع 46 VOIs ، وهو ليس عددا كبيرا للتدريب على النموذج. للتغلب على الأداء المنخفض بسبب قلة عدد مجموعات بيانات التدريب ، يمكن تطبيق نقل التعلم وتدوين المجال.